随着自动铺放技术在航空航天领域的应用越来越广泛，如何在铺放过程中保证构件的铺放质量成为重点关注的问题之一。针对预浸纱自动铺放过程出现的气泡、褶皱及异物等缺陷，本文基于图像处理技术对预浸纱图像的高质量采集、图像预处理、图像分割以及缺陷识别等技术进行研究，主要研究内容包括：　　（1）根据机器视觉光照的基本原理，设计了“环形LED灯阵+圆顶漫反射灯罩”的照明方案。以Matlab为仿真环境，通过建立该光源的光照度衰减模型实现了对该光源的光照均匀性仿真分析，获取了最佳光照位置参数，实现了预浸纱缺陷图像的高质量采集。　　（2）针对由机器抖动导致的预浸纱图像灰度不均匀问题，本文提出了“灰度补偿+中值滤波”的图像预处理方法，通过计算图像的平均灰度曲线获取了图像的补偿矩阵，然后对预浸纱图像进行了灰度补偿及中值滤波处理，实验表明：该法在提高图像均匀度的同时增强了图像的对比度；此外，本文还提出了基于RPVC复杂度的预浸纱表面缺陷快速检测方法，有效地提高了系统的检测效率。　　（3）针对快速检测方法无法确定的缺陷图像，本文基于差影分割算法，通过引入极限误差的概念剔除了图像中的极大误差点，并建立了标准背景模板；然后对预浸纱缺陷图像成功的实现了差影分割。最后，将本算法对预浸纱缺陷图像的分割效果与质心分割、Otsu分割算法进行对比，结果表明：采用本文算法处理的图像具有分割效果良好且耗时低的特点。　　（4）考虑到预浸纱表面图像中缺陷具有形态、结构复杂且分布随机的特点，为充分表征图像的全部缺陷信息，本文提取并筛选了能反映缺陷图像全局特征的灰度特征、能反映缺陷区域几何形状的形状特征和不变矩特征。然后剔除冗余特征参数，并最终提取了10个有效特征作为后续缺陷识别的输入特征。　　（5）本文引入神经网络进行预浸纱表面缺陷的分类识别，实现了对预浸纱缺陷图像的预处理、图像分割及分类识别等功能。最后，通过GUI界面平台对缺陷系统实现了模块化设计。