冰勺是一种用于冰激凌等冷饮食用时不可缺少的辅助工具,其主要以桦木为原材料。冰勺的制作加工过程中,受铣刀磨损情况以及桦木材料自身存在的缺陷的影响,加工完成后的成品冰勺带有不同的缺陷。经市场调研,目前存在的冷饮辅助棒在线检测系统在硬件设计上仍需要改进。查阅相关文献发现目前存在的冷饮辅助棒缺陷检测算法尚且无法有效地检测出冰勺的麻板、锛头、劈裂和毛刺缺陷,未能够显著地区分矿物块和污染缺陷、轻色差和重色差缺陷。为便于分析,将上述缺陷分为表面缺陷和侧面缺陷两大类别。表面缺陷包括麻板、毛刺、矿物块、污染和色差。以麻板纹理特征为检测对象,本文提出一种基于高斯线检测和垂直投影的检测方法,有效地实现了麻板缺陷检测;毛刺表现为支出毛刺和劈裂毛刺,本文利用固定阈值分割和形态学处理的方法实现毛刺缺陷检测,算法的检测速度快;本文在彩色空间下对矿物块和污染缺陷进行分析,利用这两种缺陷饱和度不同的特性,将两种缺陷进行区分;对于色差缺陷,本文利用最大类间方差法将色差区域提取出来,通过计算缺陷区域的灰度平均值以区分色差的轻重。侧面缺陷包括锛头和劈裂这两类缺陷。侧面光源与水平面成高角度打光,使光束不均匀的照射到冰勺头部,此时锛头缺陷图像可分为两类:当锛头缺陷背向光源时,锛头缺陷在图像上呈现为暗区域;当锛头迎向光源时,锛头头部上边缘与表面连接处在图像中呈现出一条具有一定宽度的亮线,根据这一成像特性,本文设计了边缘提取模型以实现两种类型的锛头缺陷检测。劈裂在侧面头部表现为一条明显的暗色裂缝或者由劈裂导致的区域错位,本文利用高斯线检测和边缘检测的方法实现劈裂缺陷检测。本文对冰勺外观缺陷检测样机进行改进,通过采集图像、建立图库实现算法验证,最后现场测试结果表明,本文提出的冰勺外观缺陷检测算法实现了缺陷的分类分级,检测速度为每秒6根冰勺,缺陷检测识别率为99.45%,具有一定的实际应用价值,为冰勺外观缺陷检测的发展奠定了良好的基础。