近几年,随着物质经济的飞速发展,人们在享受丰富多彩的物质世界的同时,生活成本也随之越来越高,企业雇佣人工的成本也在逐年上涨。对于需要大量人工参与的制造业企业来说,越来越高的人工成本和管理成本严重制约着企业的发展,而且单纯依靠人工肉眼检测海量成品的方式,在精度和效率上都不能令人满意。这就迫使企业急需转变传统依靠人工的检测方式,而去寻求一种更高效、低成本、高质量的方式。基于机器视觉的检测技术是近年来兴起的利用工业相机代替人工肉眼进行判别和测量的手段,应用的领域几乎涵盖了现代制造行业,它以精确、快速、高效、非接触等特点,成为替换人工进行产品质量检测的理想手段本文主要研究硬盘线圈缺陷视觉检测关键技术,检测目标是识别存在于硬盘部件线圈上缺陷,包括外形缺陷：内凸、扭线、引线粘连；表面缺陷：去皮不良、点胶不良、排线不良等。由于待检测线圈比较小,缺陷在上面成像比较微弱,人工检测需要借助30倍显微镜进行全方位旋转观察后才能确定线圈有无缺陷,而且由于人工检测时主观性强,再加上人眼在长时间工作下易产生疲劳,根本无法保证检测的合格率和效率,使得生产企业亟需开发一套能够代替人工检测的在线检测系统来提高检测质量和效率。本文根据线圈材质和属性的成像特点,对比在各打光方式下的线圈图像,结合对检测精度的要求来选择工业相机,最终设计一套适合线圈检测的光学成像系统。在设计线圈上缺陷检测算法时,综合了数字图像处理和机器视觉中一些常用的知识,比如图像滤波,传统阈值分割,动态阈值分割,数学形态学,颜色空间转换,图像增强,边缘检测,模板匹配,相机标定等理论,实现了对线圈缺陷的快速提取、检测和识别。本文创新点在于综合应用不同颜色空间分量对感兴趣区域的提取；对于方向确定的纹理信息,应用定向的梯度模板算子结合动态阈值分割以及数学形态学等实现图像的准确分割；利用划分简单的对称区域操作代替模板匹配方法来进行缺陷识别,保证了生产线上对工件检测速度的要求。