随着工业4.0和中国制造2025的提出,我国的制造行业已经向更深层次进行转型发展,其中提高制造业自动化程度便是一项重要的发展目标,特别是在互联网+的背景下,机器视觉在工业制造、国防、交通、自然灾害预防、医疗等行业的应用越来越广泛,机器人自动化技术也成为研究热门。其中,机器视觉是机器人自动化中的核心技术之一,如何提高机器视觉的速度和检测可靠性,满足越来越高的精度应用要求,成为了越来越多学者和制造行业的关注重点。本论文所研究的经济型图像传感器静态图像的检测系统,正是以图像处理技术为基础,通过优化图像特征提取、图像识别分类的处理算法,提高了经济型图像传感器静态图像的检测的精度,并利用仿真工具进行了实验。通过该检测系统,可以有效的提高图像检测精度,降低错误识别率,从而避免了装配设备的错装、漏装,可以提高制造企业的生产效率。本文根据图像处理技术原理,重点研究了以下几部分的内容:图像预处理技术,本文以图像采集系统为基础,对采集的图像样本进行了预处理,不仅进行了传统的空间均值和中值滤波处理,还将形态学处理应用到了图像预处理当中,有效降低了噪声因素对检测系统精度的影响。图像二值化技术,对比介绍了传统的直方图分析法和Ostu算法的理论原理,并进行了实验分析,最终采用了Ostu算法作为系统图像二值化的阈值法算法。边缘检测技术,本文主要介绍了Sobel算法、LOG算法和Canny算法3种常用的边缘检测算法,并实验对比了3种方法的处理效果,最终采用Canny算法来对系统图像作边缘检测处理。特征提取与图像识别匹配分类技术,本文重点介绍了这两方面的内容,将图像的Hu不变矩作为图像特征进行提取,并采用BP神经网络对图像样本进行识别分类,通过MATLAB仿真工具对检测系统进行实验,经过实验分析,增加图像目标区域面积作为图像特征,从而满足了检测系统的检测精度要求。