随着计算机技术的不断发展,工业智能化和信息化的趋势愈发明显,机器视觉技术在工业自动化生产中发挥重要作用。本文以汽车模型装配线为载体,应用机器视觉技术,研究该条装配线中的上料防错问题、螺钉装配问题以及车型识别问题。并在此基础上,开发出一套基于汽车模型装配线的视觉检测系统,来提升装配线的自动化水平,提高企业的装配生产效率。本文的主要研究内容如下:首先,分析了汽车模型装配线各个视觉检测工位的检测需求,以图像处理算法和深度学习理论为基础,设计相应的视觉检测方案;然后,针对装配线中的上料工位和螺钉装配工位分别设计视觉检测算法。研究一种基于图像金字塔的快速模板匹配算法进行上料防错检测;通过对圆检测技术的分析,提出一种基于随机抽样一致性（random sampling consistency,RANSAC）的最小二乘法对螺纹孔进行圆检测,从而精确定位中心位置坐标,满足螺钉自动装配的工业需求;接着,针对车型识别工位,制作模型训练数据集,使用迁移学习的方法,将本文改进的Goog Le Net网络和多个经典的分类网络在pytorch框架下进行训练测试,比较网络模型的大小和识别准确度。最后,将上述所有工位的检测算法进行整合,完成汽车模型视觉检测应用软件的开发。通过实验测试表明,本文研究的各个工位检测算法是有效的,且检测速度快,平均耗时1.2s左右,其中车型识别准确率达到95.3%,均满足工业现场要求,具有较高的实用价值。