制造业是我国的支柱产业之一,随着全球制造业中心向我国转移[1],市场对国内制造业提出了更高的产品质量、更高的生产效率、更低的生产成本等需求,由此国内制造业面临着制造技术和检测手段升级改造的迫切需要。然而当前国内许多制造业对产品的检测仍然依靠人工完成,在付出较大的人力成本和管理成本的同时,仍然不能在检测效率和检测合格率间取得较好的平衡,严重制约着我国制造业的发展。机器视觉检测技术是近年来新发展起来的自动智能检测手段,它是一门依托计算机科学,以工业设备代替人眼对产品质量进行判断的新兴检测技术,它以其客观、高效、精确、非接触、低廉、易于维护等特点,成为当前生产检测监控环节较为理想的技术手段。本文的研究内容为基于机器视觉的冲压件缺陷检测,课题来源于实验室与企业的合作开发项目,检测目标为计算机硬件组成零部件上存在的缺陷,包括外形缺陷：毛刺、缺口；表面缺陷：划痕、压痕、白印、发黄、污渍等。由于待检测零部件的缺陷种类繁多,且缺陷细小,人工检测由于其固有生理极限(如注意力的持久性,人眼的分辨能力等)使得企业在投入较大的人工成本和管理成本的同时,仍不能保证高而稳定的合格率和检测效率,因此亟需开发一套适用于在线生产的检测系统来提高检测效能和检测质量。本文在对企业检测需求进行仔细分析的基础上,对基于机器视觉的冲压件检测系统的搭建进行了分析研究,主要完成以下几个工作：1.针对待检测缺陷类型,对检测系统的光学模块进行设计。以LED为照明光源,对常见的打光方式下缺陷类型的显现效果进行了大量实验和分析比对,总结出不同的缺陷类型适用的打光方式；并对检测精度与相机分辨率的关系进行了分析阐述,确定选用检测相机的分辨率；2.对待检测缺陷的图像特征进行分析,提出了低通滤波求差法提取缺陷边缘。实验结果表明,该算法对待不同缺陷类型均能达到良好的分割效果,并优于传统的图像分割算法；3.对缺陷区域的特征进行分析,介绍了常用的图像特征判别方法,最终确定以区域的内接圆半径为特征对缺陷类型进行判别；4.根据提出的算法,合理设计了一套检测软件系统。以VS2008为开发工具,部分检测算法采用了德国商业函数库Halcon提供的优化算法,实现了数据的采集、保存和缺陷定量分析处理的功能。本文的创新之处在于针对检测类型以及精度要求,提出了一套基于机器视觉的检测方案,综合运用数学形态学及斑点分析方法来达到检测目的。实验表明了本系统的实用性,其处理速度可以满足在线检测要求。