近年来,随着国家新一代人工智能战略的实施,传统产业正在大力推进信息化、网络化和智能化的转型升级。传统白酒制作工艺从酒曲制取、酒粮混合、上甑、蒸馏摘酒到摊晾加曲、固态发酵等全过程自动化研究正在全面展开。摘酒环节作为获取白酒产品的最后一道工序,通常采用传统的“看花摘酒”方法对白酒度数进行判断,人工完成分段摘酒。因此,采用机器视觉系统将“看花摘酒”传统经验数据化是实现分段摘酒智能化的关键技术。本文通过对白酒摘酒过程及其传统方法进行仔细分析和研究,设计了一套白酒摘酒智能化方案。在该方案中,采用摄像头对摘酒过程中产生的酒花进行视频采集,运用图像处理的方法对采集的酒花图像进行特征检测和分类,并将分类信息作为分级摘酒的控制信号,从而实现白酒摘酒的自动化。本文的主要研究工作如下:（1）根据白酒生产工业环境,针对传统“看花摘酒”工艺进行智能化方法研究,设计合适的酒花视觉采集方案。依据酒花形成的实际场景及其特点,采集有利于后续图像处理的酒花视频图像,尽可能减少或消除背景和环境光照干扰;结合摘酒工艺实时控制的需要,选定合适的图像采集速率,使所设计的智能摘酒方法满足摘酒分类准确率和实用性的要求。（2）白酒摘酒酒花呈现为无色透明状,存在大量反光区域与酒花间粘连现象,增加了图像处理的困难程度。本文采用基于OTSU与Canny边缘检测算法相结合的图像预处理方法,消除酒花图像中的高光以及粘连部分,提取酒花形态轮廓。（3）本文提出一种基于酒花纹理特征的图像分类方法,采用局部二值模式、Tamura特征提取、灰度共生矩阵三种方法分别对三种阶段白酒摘酒酒花进行纹理特征提取,并对同一阶段不同酒花图像以及不同阶段酒花图像提取得到的纹理特征图以及特征值进行比较,得到白酒摘酒酒花纹理特征之间存在连续性的区别。（4）为了对白酒摘酒酒花进行分类识别,将提取得到的摘酒酒花纹理特征以单一特征以及特征参数组合多种方式作为BP神经网络、SVM分类器输入,对白酒摘酒酒花进行分类识别,能够达到97.78%以上的分类正确率。验证了采用机器视觉与图像处理相结合的方法能够将传统看花摘酒工艺转化为智能化方法实现。（5）设计白酒摘酒系统采集分类系统实现的基本方案与用户管理界面设计,方便白酒企业对酒花图像的采集以及对摘酒过程的监控以及查询。