随着社会与经济的发展，人们的生活节奏越来越快，方便型包装食品越来越受欢迎，市场需求量越来越大。马口铁罐是方便型包装食品的传统方法之一，被大量使用在水果、肉类、鱼类、蔬菜等食品的包装中。如果马口铁罐出现缺陷，不仅会给制罐厂带来经济上的损失，而且会引发食品的劣变反应，所以马口铁本身的质量和其罐包装的质量对于内容物的安全保存起到非常重要的作用。因此，亟待研究马口铁罐的质量实时在线检测技术和检测系统，保证罐头包装食品的安全，以满足目前市场的需求。　　 本文提出了基于机器视觉检测技术为检测原理的马口铁罐缺陷检测系统研制方案，并对检测系统关键技术进行讨论。本文主要研究内容与完成特色创新工作如下：　　 1．设计特殊照明光源系统：针对马口铁表面缺陷和马口铁罐身缺陷的不同类型，进行实验与仿真研究，从而确定光源的结构和形式以及照明的方案。对马口铁表面缺陷检测系统设计了明场照明的漫反射LED线形照明光源，在马口铁罐身缺陷检测系统中使用了低角度的环形照明光源。　　 2．基于SOFM神经网络图像识别技术，实现对马口铁表面缺陷分类与识别：针对马口铁表面缺陷特征，讨论了马口铁表面缺陷图像处理算法流程，并且对各处理步骤给出了实现算法。重点研究了基于特征数据的自组织特征映射(SOFM)神经网络的图像识别技术，定义了缺陷特征参数空间，使用了SOFM神经网络对缺陷进行分类，其缺陷识别率达到95.45％。在满足系统精度要求下，通过对图像的多分辨率处理的优化，处理速度可达到1.4m/s。　　 3．提出了基于黑白网格图像的几何畸变修正方法：针对马口铁罐身缺陷特征，采用了图形金字塔搜索匹配策略，利用椭圆形状模板的快速高精度图像匹配算法，最后通过使用偏差模型法对图像进行识别，提高缺陷检测的效率和准确率。重点讨论了图像畸变的几何校正，提出了一种基于黑白网格图像的几何畸变修正方法。　　 4．开发了检测系统软件：提出了软件系统框架结构设计方案，包括了图像处理与检测模块、人机界面模块和硬件控制模块，完成对CCD/COMS获取的图像进行处理，提供了与操作人员的交互，实现了与现有PLC系统的通信，对传感器信号的输入输出、各种机器操作动作的控制。　　 本课题研发的基于机器视觉的马口铁罐在线检测系统，现已经在工业生产线上正常工作，效果良好。