随着塑料制品的广泛应用,塑料加工成型技术受到了普遍关注。注塑机是最主要的塑料制品生产设备,但当注塑产品未能正常落下等生产异常情况发生时,模具很容易损坏,从而严重影响生产。传统的注塑模具异常检测方法精度或效率不够,无法满足实际生产需求。基于机器视觉的模具异常检测系统自动化程度高,在实际生产中应用越来越广泛。另外,注塑机生产过程中总是存在明显振动,现有的基于机器视觉的注塑模具异常检测的研究大多没有考虑系统在振动环境中的检测效果,将其直接应用于振动环境时,异常检测准确率偏低。本文以提高高振幅环境下注塑模具异常检测的准确率为目的,围绕图像配准和模具异常检测相关方面展开研究。第一章分析本文注塑模具异常检测任务的对象和目标,提出本文检测任务的难点,并使用图像配准和模具异常检测相关技术完成视觉检测任务,介绍了注塑模具异常检测的研究意义,分析了图像配准和注塑模具异常检测两方面的研究现状,最后给出了本文的主要内容组成和组织框架结构。第二章对SIFT描述符点特征提取及SIFT特征的图像配准方法进行了详细介绍,提出了利用注塑模具表面图像配准解决模具生产中存在的振动问题,分析了注塑模具表面图像的局部特征提取过程,通过分析图像配准中基于特征的方法,选择了基于特征点的方法作为注塑模具表面图像配准的基础。第三章提出了基于全局特征的图像配准方法,解决高振幅注塑模具表面图像局部配准准确率低的问题,完成了全局特征GRGC描述子模型及全局向量GRGC-SIFT的构建,并进一步讨论了 GRGC-SIFT特征描述符算子中的参数及模具表面图像基于GRGC-SIFT向量的配准结果。第四章提出基于图像配准差分的注塑模具异常检测方法,该方法通过使用透射变换及模板差分进行注塑模具表面图像异常区域提取。首先使用八点法计算模板图像与实时图像之间的变换矩阵,实时图像经变换矩阵转换后与模板图像作差分处理,差分后的图像再进行二值化,从而提取模板图像与实时生产图像间的差异,最后使用开操作去除噪声得到最终差异图像。第五章介绍本文设计的注塑模具异常检测系统的硬件配置和检测结果性能评估,实现了本文提出的基于混合特征融合的高振幅注塑模具异常检测方法,并最后验证了本文方法的有效性。第六章对全文进行总结,并对后续的研究提出建设性的展望。