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

高精度的微小零件边缘检测中，传统边缘检测算法存在实际应用可操作性较差，检测结果难以达到精度要求等问题。为了提高边缘检测精度，提出了基于Soble算子的改进算法，该算法扩展了Sobel算子边缘检测的模板，并对扩展的梯度方向图进行了细化处理，而后在梯度图像上实现多项式插值亚像素细分，从而完成对目标边缘的精确定位。实验结果表明，该方法的定位精度为0.20pixel，满足微小零件在实际检测的精度要求。