产品外观质量的评价与控制是现代工业生产线上不可或缺的部分。传统的人工检测方法成本高、精度差、效率低且易受主客观因素影响,因此在表面缺陷检测中,应用具有精确、连续、高效和稳定等特点的机器视觉技术,对提高生产效率以及企业竞争力具有重要意义。针对包装行业中产品商标图案完整性检测,本文提出了一种基于机器视觉的高效、快速检测算法。针对商标图案完整性检测算法研究的重难点,本文设计了商标图案完整性检测算法总体框架,并对各算法模块的关键技术进行了分析与设计,提出了一种基于形状特征提取和SVM识别的商标图案完整性检测算法。研究了一种基于图像分割和连通域标记的目标提取算法,采用基于最大对比度的图像分割算法,对源图像进行二值化,并利用改进的连通域标记算法实现目标定位,提高目标提取的准确性;研究了一种快速的形状特征提取算法,为了获取商标图案二值图像,通过K-均值聚类算法对目标图像进行分割,并根据聚类结果更新初始聚类中心,加快收敛速度,提高算法效率,然后计算商标图案的Hu矩描述子,并利用主成分分析方法进行特征降维,在保持表达能力的基础上,减少无关特征以及特征数据冗余;最后设计了一种基于SVM的商标图案完整性识别算法,利用RBF核函数,将线性可分性差的低维特征描述子映射到高维特征空间,进行线性分类,并通过交叉验证方法进行参数寻优。通过算法移植和部分优化,在基于DSP的嵌入式图像处理系统中,商标图案完整性检测算法的检测准确率超过90%,检测速度达到13帧/秒,实时性较好,算法在约±30%光照度变化范围内具有较好的光照不变性,满足实际应用需求,并且对尺寸超过0.5mm~2的商标图案不完整缺陷具有较好的检测性能。