针对人工检测微小零件表面缺陷存在的不足，提出一种基于机器视觉的微小零件表面缺陷检测方法。首先分析微小零件检测内容的特点，通过机器视觉专用软件HALCON提供的图像滤波、阈值分割算子提取缺陷区域，并设计了一种自动选择平滑滤波尺寸与阈值的最优取值算法，再采用改进的边缘检测算法准确提取表面的边缘位置，将图像以边缘为界分割成不同的区域，运用区域形态学方法对候选缺陷进行筛选，最后使用区别特征实现缺陷分类与标记。实验结果表明，该方法能够稳定的进行微小零件表面缺陷的识别与检测，缺陷识别率达到97.05%，达

通过对零件尺寸机器视觉检测系统的关键技术进行研究,分析了零件边缘灰度值变化,结合Roberts算子检测出的边缘呈多像素宽度的特点,提出了基于最小二乘曲线拟合的亚像素边缘检测方法用于边缘检测。实验结果表明:检测系统的测量精度能达到2μm。

利用机器视觉技术对圆形零部件直径测量的算法进行研究。在实验室自制的三自由度机器人试验平台上,通过机器视觉处理的3个阶段,各选择2种效果较好、适用性较强的图像处理算法,利用正交试验表得到4种算法组合,并分析得出一组测量精度较高的算法组合。所得的结果具有简单、容易实现及成本低的优点。该算法组合能够满足一般零部件的测量精度要求,实验结果表明其精度达到0.1 mm。

为实现多边形薄片零件边长尺寸的实时、非接触性测量，提出了一种基于机器视觉的多边形薄片零件边长尺寸测量方法。首先，利用Delaunay三角剖分内插值标定法得出世界坐标系与像素坐标系之间的转换关系，运用CCD工业相机完成多边形薄片零件的图像采集工作，经图像预处理、边缘检测、最小二乘拟合法得出多边形薄片零件图像的边线方程，然后利用同一平面上不平行的两条直线可确定一个交点的原理解出多边形相邻两边交点的像素坐标值，再通过像素坐标系与世界坐标系之间的转换关系反求出各交点的世界坐标值，最后根据两点间距离公式得