机器视觉检测技术，作为适应现代制造技术的检测方法，满足了现代制造技术对检测过程在线、实时、高精度和非接触等检测要求，随着计算机技术及相关图像处理技术的发展，关于机器视觉检测技术的研究与应用越来越普遍。作为未来检测技术的发展方向，机器视觉检测技术的研究和应用价值相当重要。　　本文以实验室机器视觉检测系统作为一个典型视觉检测系统，展开关于系统总体中照明成像技术和运动控制技术以及自动对焦技术和自动跟踪及相关技术的应用研究，在四个相对独立的技术领域对该四种视觉检测关键技术进行关联研究。　　首先，针对照明成像技术进行综述性概括总结，分别汇总了照明成像系统中光源、照明方式、光学镜头、成像光路及光学相机在目前视觉领域的应用形式及各种形式的优劣状况;关注运动控制系统动态性能，通过数学方法对实验室机器视觉检测系统完成建模，在数学领域进行模型分析，并依据运动控制卡输入的单位脉冲信号进行理论求解。　　其次，基于无参考图像质量评价方法NRSS，面向实验室条件，进行方法应用改进，提出RNRSS方法，在模板匹配评价窗口下对实验图片进行清晰度评价，取得了良好的评价曲线效果，利用RNRSS评价值的[0，1]有界性，设定关联评价值的自适应步长快速搜索最佳对焦位置，耗时最短。　　再次，对本文的自动跟踪进行分析，其实质是边缘检测与相机视场下分段边缘跟踪相结合，对圆形轮廓零件和三角形轮廓零件进行边缘跟踪处理，对圆形轮廓提出利用每次采集弧段始末两点切线夹角转动和移动相结合下的跟踪方向，对三角形轮廓提出利用每次采集图片中以跟踪终点作为起点的最短直线段的梯度方向移动作为跟踪方向，实现了对圆形轮廓和三角形轮廓的自动跟踪。　　最后，在跟踪完成后，利用最小区域法进行数据筛选，通过圆弧拟合和最小二乘法直线拟合，对采集到的图像进行重新恢复，得到所求轮廓边缘，通过误差计算，对圆弧直径的测量误差为6.08μ，对三角形角度的测量误差为0.012°。在该视觉检测系统下证明了本文提出的检测算法及应用是可行的，满足视觉检测的检测要求。