熔体直纺长丝作为一种重要的工业纺织品生产原料,在生产生活中用途十分广泛。为方便熔体直纺长丝的存储和运输,化纤企业通常将其卷绕成化纤丝饼。在卷绕过程中,熔体直纺长丝由于导丝辊拉力不稳定以及挂钩处局部受力不均等因素影响,部分纺丝会发生断裂并出现长丝局部断头现象。企业将熔体直纺长丝局部断头的严重程度作为评判化纤丝饼质量等级的主要指标之一。目前,由于缺乏熔体直纺长丝断头自动化检测方面的相关研究,化纤生产线上主要还是依靠人工方式进行长丝断头检测。近年来,随着劳动力成本的不断上升以及化纤生产规模的持续扩大,人工检测方式在检测效率和检测准确率等方面劣势日益凸显。为实现熔体直纺长丝断头自动化巡检,提高企业生产效率,本文基于机器视觉相关理论知识,研究并设计了一套专用的熔体直纺长丝断头自动化检测系统。课题的主要工作内容包括以下几方面:（1）熔体直纺长丝断头视觉检测装置设计。根据车间实际生产环境,选择滑轨式巡回小车作为检测装置的基础平台;考虑到熔体直纺长丝断头本身细长且难以直接采集和识别的特性,提出了一种由两种不同视野的工业相机协同工作的双摄像头结构,该结构通过采集、定位、再采集、识别和分类的检测流程实现熔体直纺长丝断头的高效巡检与分类;最后,参照实际环境中的视场参数完成伺服系统硬件和视觉检测系统硬件的选型。（2）提出了一种基于模板匹配算法和K-means无监督聚类算法的协同优化算法来实现熔体直纺长丝挂钩的快速统计和精准定位。通过短焦距大视野工业相机获取单个工位的长丝挂钩整体图像后,首先对采集到的图像进行分块和挂钩匹配模板选取,并通过模板匹配算法进行快速匹配,将匹配度较高的点坐标保留;然后通过K-means无监督聚类算法得出聚类核坐标以及核数量;最后将聚类核坐标和聚类核的数量分别作为熔体直纺长丝挂钩的坐标和数量进行输出。（3）提出了一种基于霍夫变换和RBF神经网络的熔体直纺长丝断头检测和分类算法对长丝断头作进一步的检测和分类。在获取清晰的熔体直纺长丝图像后,该算法首先采用小波软阈值平滑和阈值分割算法进行图像增强处理,消除背景噪声点对长丝主体的干扰,提升提取的特征信息的可信度;然后通过霍夫变换实现长丝主体与断头部分的形状分割,为后面形状特征提取作铺垫;最后基于提取的多个形状特征,建立和训练径向基函数神经网络模型,实现熔体直纺长丝断头的检测和分类。为了验证本文系统算法的可行性,使用Intel Core i7-10750H CPU,Win10操作系统下的工控机作为硬件平台,基于MATLAB R2018b软件平台进行算法运算和参数分析。试验结果表明该系统可以快速精准实现熔体直纺长丝图像采集,在去除图像背景噪点,实现长丝主干和断头形状分割,高效识别和分类熔体直纺长丝断头方面具有一定的实时性和准确性,为将来实现熔体直纺长丝断头检测提供了理论参考。