随着智能手机的普及，电源适配器被大量生产制造。一方面，电源适配器表面通过激光打标后会印有文字、数字、图案Logo和二维码等，但是在打标过程中，可能会出现缺印、漏印、少印等缺陷。手机适配器生产量大，传统的检测方法是人工目检，由于缺陷瑕疵面积较小，检测人员很容易出现漏判和视觉疲劳，这样会大大降低生产质量。另一方面，适配器插脚在生产的过程中也可能会出现插脚间距过大或过小的情况，插脚间距的测量方式目前是采用将插脚插入标准铜帽的方式进行检测，效率较低。所以，采用新的方法对电源适配器的字面和插脚进行检测，对提高生产质量具有重要的意义。　　机器视觉具有高效性、持久性和能在复杂的环境下工作等特点。本文针对工业生产线上的实际情况，对机器视觉的电源适配器检测关键技术进行研究，根据电源适配器生产现场条件和合格产品检测的要求，设计了基于机器视觉的检测系统方案。对字面和插脚的常见缺陷特征进行分析，研究了图像预处理算法、字面缺陷检测和插脚间距测量的算法；最后结合软、硬件建立了基于机器视觉的电源适配器检测系统，以实现对字面缺陷和插脚间距进行有效、快速的检测。　　本文研究的主要内容：根据实际生产要求，选择合适的相机、镜头和光源等，搭建检测系统硬件平台，获取检测产品的图像。对获得的字面图像进行预处理，设计识别表面二维码和OCR字符的算法；针对字面缺陷检测过程中误判较高、速度慢的问题，提出基于区域分割的缺陷检测方法，实验证明，该方法有效减少了错误匹配带来的误判，同时也缩短检测时间；对于插脚间距的测量，提出基于0.5像素的测量算法，测量速度快、重复精度高。使用VS2010作为开发工具，在Halcon的基础上开发机器视觉检测系统。　　通过检测的结果和分析验证，开发的基于机器视觉字面缺陷检测系统具有良好的快速性、准确性和鲁棒性，为后续的工厂自动化检测实现提供了技术指导。