智能制造是指将人工智能运用于制造行业,由智能系统在制造过程中进行推理、分析、判断、决策等活动,实现生产制造的智能化。注射成型是塑料加工制造的主要方法之一,由于注塑成型是一个复杂的生产过程,在各个注塑阶段受不同的参数调控和复杂的外界因素影响,注塑过程塑料制品往往会产生各种类型的注塑制品缺陷,直接影响制品质量。将机器视觉技术运用于注塑制品缺陷检测能够提高检测精度、提升效率,是实现注塑智能化的重要部分。目前注塑制品缺陷的智能检测技术还不够成熟,难以适应注塑生产线的变化和检测多种类型的注塑制品缺陷,难以满足注塑过程智能化要求。本文以实现注塑生产过程中注塑制品实时智能检测识别为目的,对注塑制品的缺陷区域提取、缺陷特征提取、缺陷分类与识别进行研究。第一章介绍了注塑生产和注塑制品缺陷检测识别的意义和现状,分析了产品缺陷识别方法研究现状、注塑过程与装备研究现状和注塑制品缺陷识别研究现状,引出了本文研究涉及的难点和目的,最后说明了本文的主要内容和组织架构。第二章提出了基于双向邻域搜索的注塑制品缺陷区域提取算法解决实际生产中存在的微小振动问题,详细介绍了双向邻域搜索算法的原理和实现过程。通过对不同阈值分割方法进行对比分析,选择了最大类间方差法使图像二值化,实现缺陷区域的分割。第三章提出了基于递进分析的注塑制品缺陷混合特征提取。介绍了常见注塑制品缺陷,分析了它们的典型特征,并基于对缺陷类别特性递进分析,提出了基于中心匹配的缺陷混合位置特征提取、基于形态学的局部灰度特征提取、基于轨迹拟合的注塑制品缺陷形状特征提取,三类特征能很好地表征注塑制品缺陷的特性。第四章中介绍了注塑制品缺陷分类识别的过程和方法。提出基于SVM多级树分类器用于注塑制品缺陷分类,简要介绍了决策树分类器与支持向量机分类器,创建了SVM多级树分类器的模型结构。结合几类制品缺陷的形成机理,提出了对每类缺陷的大小评定定量描述,并详细说明了计算过程。第五章介绍了本文注塑制品缺陷识别与智能反馈系统的硬件配置,根据本文提出的方法与技术研发了注塑制品缺陷识别与智能反馈软件系统,介绍系统的功能与应用实例,验证了本文方法的有效性。第六章对全文进行总结,并给出了后续进一步研究方向及工作展望。