随着科技的发展，机器视觉在工业生产的某些领域已较为成熟且得到了较好的运用，对生产效率和产品质量的提高起到了很大的作用。与此同时，由于药品质量关系到每个人的健康问题，国家对药品质量的检测监督要求也逐步提高。而目前，针对胶囊缺陷的识别，国内各大制药厂商大多仍在使用人工肉眼观察的方法，找出有缺陷的胶囊。这种人工检测的方式不但效率低、成本高而且由于人自身一些固有因素，使得检测的准确率不能得到可靠保证。基于以上背景，本文旨在构建一套用于胶囊表面缺陷识别的机器视觉系统，用于代替传统的人工检测，不仅具有重要的科学意义，而且具有广阔的应用前景。　　 本文在充分分析国内外相关技术的研究现状及局限性的基础上，分别从系统的结构设计、胶囊的数字图像处理技术和缺陷识别技术这几方面进行了广泛深入的研究。　　 提出了整套的胶囊表面缺陷识别方案和方法。为了能稳定、快速、准确地对胶囊进行检测，我们对胶囊传送带进行了特殊设计。设计了独特的胶囊凹槽，使得胶囊能够随着传送带的传动而翻转，每次翻转约90°，翻转三次，共采集到四幅不同表面的胶囊图像，完全覆盖了胶囊一周，达到完全检测的效果。　　 建立了基于机器视觉的胶囊表面缺陷识别与有缺陷胶囊的分拣系统。设计了系统的照明光源，增强了本文需要的缺陷特征;选择了合适的采集设备，胶囊的定位探测装置，使得胶囊目标的触发和图像采集能够稳定、高效的完成。另外还设计了独特的针对有缺陷胶囊分拣装置。　　 完成了一套用于胶囊缺陷特征提取和缺陷识别的算法。包括从直接采集得到胶囊模组中提取出单个胶囊体，胶囊图像的滤波，区域分割和缺陷边缘检测，获取了胶囊缺陷的特征值。并首次将神经网络引入了胶囊缺陷的识别，最终实现了较高的识别准确率。　　 设计了一种基于最小矩形区域的胶囊图像分割算法。在探讨了经典的区域生长分割、分水岭分割后，首先提出了一种基于Hough变换的倾斜胶囊矫正和横向投影分割的方法，然后根据胶囊图像的特点，采用先增强中部结合体区域，再对全局区域采用两个最小矩形区域包含的方式，以上下区域最左为支点，在一定范围内以一定的步长调整矩形倾角，在完全包含的前提下，以最小面积的矩形区域为准，实现了对胶囊图像的正确分割。　　 编写了配套的基于MFC的可视化的人机交互软件。包括胶囊的选择、参数导入、BP神经网络训练、目标的实时监控和检测结果统计等主要功能，方便使用者对机器进行操作和管理。　　 最后，本文对课题的研究内容和成果作了总结，阐述了研究的特色和创新之处，指出了工作中的不足和有待完善的地方，并对今后的工作给出了方向性的建议。