轴承作为一种机械设备中大量使用的基础零部件,其质量好坏将严重影响设备运行的稳定性。近年来,随着我国制造业的大力发展,各行业对轴承产品的需求量不断增加,同时对轴承外观质量的要求也日益提高,尤其是在轴承进出口贸易中。尽管我国的机械加工技术已经达到较高的水平,但在轴承批量生产中难免产生一定的损伤。目前,企业对于缺陷轴承的分拣工作仍采用人眼检测、手动分拣的方式进行,这种方式不仅存在工作量大、效率低的问题,而且由于工人的分拣标准不同和视觉疲劳,导致分拣结果存在较高的漏检率和误检率。针对上述问题,本文基于机器视觉技术设计了一套轴承表面缺陷检测系统,代替人工目测分拣,实现轴承表面缺陷的自动化检测。论文的主要研究内容和成果如下:（1）为实现轴承表面缺陷的全检,根据轴承表面的缺陷类型和分布位置,设计了一种多工位组合式光源照明方案以完成图像采集工作,并对每个检测工位进行工业相机、光学镜头、视觉光源的选型和照明方式的设计等。（2）根据系统检测需求设计并搭建一套自动化分拣系统,该套硬件系统主要由上料装置、拨料装置、图像采集装置、翻转装置、分拣装置和码料装置组成,整体由PLC负责控制运行。（3）分别对不同的检测工位设计相应的检测算法,包括基于传统图像处理算法的边缘检测、EDCircles圆检测、EDLines直线检测、区域分割提取、Blob分析等方法。此外,本文提出一种基于SFCS-YOLO v3的轴承防尘盖表面的凹坑缺陷检测算法,该算法实现了97.50%的检测准确率,以及提出一种基于两阶段神经网络（Attenitve GAN和AE-WGAN）的轴承图像去油滴算法,该算法可降低93%的轴承表面油滴误检率。（4）本文基于Qt Creator平台开发了一套轴承表面缺陷检测软件,该软件集成了图像采集、图像处理、结果可视化、数据统计和参数配置等功能。最后经测试,本文设计的轴承表面检测系统的检测准确率为95.80%,单个轴承检测时间约为2.14s。