现阶段针对大型复杂曲面工件表面缺陷的检测,特别是图像采集,仍采用手工采集,很多时候为了实现对图像的准确采集,工人需要调整姿势,长期下来对工人的身体健康伤害巨大,人工采集不仅费时费力,而且效率低下,远远不能满足现代工业自动化的要求。除此之外,人工检测虽然可以在图像中检测出缺陷,但是缺陷的位置不能在工件中精确标示出来,因此工人无法快速定位,进行修复,造成了工作的重复和时间的浪费。针对上述问题,本文研究表面缺陷检测系统进行自动检测作业。为了实现大型复杂曲面工件表面缺陷的自动检测,本文所完成的主要工作如下:首先,为了实现大型复杂曲面工件图像自动采集,提出了基于景深和视野面积的图像采集方法。通过对工业相机的景深、视野面积和分辨率三个参数关系的分析计算,得到在满足分辨率要求前提下景深与视野面积的关系,据此,对工件的三维点云进行网格划分,得到相机拍摄点的工件三维坐标,通过建立转换坐标系,对机械臂末端的相机进行位置和姿态调整,实现对图像采集的路径规划。实验表明,该方法在确保相机与曲面法线精确重合的情况下,可以沿采集部位表面的等深随形曲面实现对工件的图像采集。其次,针对缺陷识别提取问题,通过图像平滑方法消除图像的噪声干扰,采用图像增强和图像锐化算法,将特征从背景中分离出来;建立支持向量机模型、多层神经网络模型、高斯混合类型和K-NN等分类算法模型,研究了这四种分类模型的学习过程,并选取大量的缺陷样本进行试验,都得到了较好的分类效果,最终通过时间和检测准确率分析对比后,本文主要采用高斯混合模型进行曲面缺陷识别提取。最后,针对缺陷定位问题,经过特征计算,实现对目标特征的位置坐标提取,再经过坐标转换将缺陷信息反映在工件的三维坐标系中。通过实验验证,此方法可以实现从图像缺陷到工件表面的定位。