在轨道检测当中,科技产品的应用不但提高了工作的效率,而且也提高了检测的质量,其中就包括钢轨表面缺陷的检测,但目前,缺陷检测设备还不够成熟尤其是在高速检测领域,针对这种现状,提出了一种基于嵌入式机器视觉的缺陷检测系统,目标是设计出一款适用高速检测,性能稳定的缺陷检测设备。通过研究当今使用最广泛的两种图像传感器CCD和CMOS的优势和劣势,采用CCD传感器作为系统的图像传感器。在图像处理模块当中,经过研究分析目前比较主流的嵌入式处理技术,筛选组合出CPLD+DSP的嵌入式系统方案。在系统的硬件设计上,阐述系统各个模块的功能实现和具体的设计方案。由于CCD传感器的特殊工作方式,驱动电路采用CPLD为核心处理器,对不同的驱动脉冲电平进行转换电路设计;在信号预处理模块当中,对原始采集的信号进行放大滤波电路和数模转换电路的设计,对零漂和温度漂移等干扰进行优化消除设计;在信号进入图像处理模块之前,设计一级FIFO缓存装置,主要目的是解决因前后模块速度不同而导致速度减慢问题,该设计有效的缓解这一问题,大大提高后续处理模块的工作速度;在以DSP处理器为核心的图像处理模块中,对DSP的数据接口、电源、复位等电路进行设计;在数据传输模块当中,对千兆以太网的MAC层和PHY层的接口电路进行设计。在驱动设计部分,对各模块的工作时序进行研究分析并使用QUARTUS II进行软件仿真。在轨道缺陷检测实验中,经过对相关图像处理算法的研究,提出一种改进后的加权中值滤波算法,结合自适应Canny边缘检测图像分割算法对图像进行处理,实验表明,可以很清晰的提取出缺陷信息。最后运用LVQ神经网络研究基于轨道缺陷信息的特征向量完成对缺陷信息的准确分类。通过对整个缺陷检测系统的硬件和软件的全新设计,初步达到设计目标:该系统能采集到检测物体图像,经过图像处理,实现对缺陷的准确分类。