随着近年来我国汽车保有量地倍增及产品更迭速率地愈发加快,汽车的报废数量也与日递增,对大量报废车辆的处理,成为当前汽车工业中亟待解决的问题。被淘汰汽车的有色金属构件的可回收利用率可达90%及以上,对报废汽车物尽其用,可以有效地节约资源降低能耗,产生可观的经济效益。驱动桥壳的再制造过程中,表面缺陷检测不可或缺。目前驱动桥壳表面检测根据缺陷种类的不同多用人工目测或涡流检测、射线检测等操作复杂的无损检测方法,不利于生产自动化。因此,提出以机器视觉的方法完成再回收驱动桥壳的表面缺陷检测,简化检测过程并实现多种缺陷同时检测。首先,根据驱动桥壳的结构特点,对相机传感器的类型及结构进行了选择,对镜头焦距进行了计算,对照明方式进行了分析,设计并布置了驱动桥壳表面视觉检测硬件平台。基于被检测对象及检测环境的特殊性提出适用于实际生产的图像预处理算法,包括基于张定友相机标定法对桶形畸变的去除、对图像中环境干扰的剔除、对图像中的缺陷进行粗分割及粗提取,并对粗提取图像进行平滑处理。其次,通过改进区域生长算法,提出基于二维小波分解的种子点自动选取方法,然后基于灰度一致的生长准则,完成了对驱动桥壳表面异常部分的进一步分割,基于数学形态学完成了图像分割后处理操作。在图像分割后处理之后可能出现的区域不连通现象,采用细化算法及光滑样条的方法,对不连通位置进行了估计,实现了不连通处的弥合。基于缺陷的几何及灰度特征,计算了缺陷的长宽比、矩形度、Hu矩、连通域灰度均值、标准差,通过设置阈值的方法完成缺陷的检测。计算了表面浅裂纹缺陷的位置、长度、方向信息及凹坑缺陷面积信息,从而便于对缺陷进行定量分析。验证了检测算法对表面浅裂纹缺陷检测的准确率及长度计算的准确性。最后,基于C++语言、Open CV库及Visual Studio2017开发环境,利用Microsoft Foundation Classes（MFC）搭建了驱动桥壳表面缺陷检测软件系统。设计了基于机器视觉的低碳钢拉伸试验,探索了利用机器视觉方法进行强度判断的思路。由此可知机器视觉的方法可用于废旧驱动桥壳表面检测中。