在大批量、连续自动化生产某些工件时，由于各种因素的影响，总会有残次品的存在。传统的人工抽样检测方法，无法保证工件的合格率。随着计算机技术的快速发展，利用图像处理技术对工件进行在线实时检测的方法近年来得到广泛的应用和发展，该方法具有非接触性、实时性强、精度高等优点。　　 本文详细地介绍了整个检测系统的检测流程以及所需的软硬件设备。硬件部分主要包括光源和照明方式的选择、相机的类型、相机的接口以及剔除机构二自由度并联机器人，而本文主要研究检测系统中的工件图像处理算法以及缺陷检测方法。　　 本文重点探讨了检测系统对采集到的工件图像进行灰度化、噪声去除、边缘检测、二值化、二值图像噪声去除等处理时所用的算法，并根据工件边界闭合的特点，提出一种新的二值图像去除噪声的算法，该算法有效地去除了二值图像中的斑点噪声，取得了清晰的工件图像边界二值图像。然后通过分析了缺陷工件的特点，提出了检测方法，即采用极半径不变矩对工件图像进行形状描述，事先通过学习训练获得合格工件图像的每个特征对图像中心的标准化欧式距离以及阀值，在对工件检测时通过判断被测工件图像的特征个数以及每个特征的标准化欧式距离，从而达到检测工件的目的。　　 最后在VC++6.0的软件平台上实现了检测系统软件的部分功能，包括对工件图像的采集、工件图像的处理和分析，以及对工件信息的查询、报表等。