以工业检测技术而言,机器视觉检测技术是当今工业生产发展的必然趋势,但其在产品外观检测的应用还相对落后,尤其针对复杂纹理面板瑕疵检测方面。传统检测方案大多是人工直接检测,此种方案存在检测成本高、精度差、效率低等不足,不利于企业的生产发展。鉴于此,本文将基于机器视觉技术对某低压短路器复杂纹理面板进行瑕疵的检测与判定,从而降低企业的生产成本、提高企业的生产效率。全文主要工作和研究成果如下:（1）图像采集系统搭建及预处理。首先分析了本课题的研究对象并根据项目实际需求,重新搭建实验室图像采集系统,主要包括:工业相机及镜头的选型设计、照明设备的选型设计及总体台架的搭建。在项目要求的情况下,采集并构建了复杂纹理面板的图像数据集;针对面板图像采集过程中的位置不同,本文设计了一种具有矩形框图像的精确校正处理算法。通过实验对比,验证了该算法的准确性,为后续算法处理及相应的瑕疵检测提供了可靠有效的保障。（2）纹理参数学习及自有缺陷检测算法设计。对面板中的纹理进行分析,设计一种纹理参数学习算法,对纹理的间距、长宽、灰度范围及排列顺序进行统计学习。针对面板纹理的自有缺陷,包括错印、漏印、重影、歪斜、粘连,结合面板纹理特征参数学习算法,准确分类出缺陷的具体类型、定位出缺陷的具体位置。（3）面板外致瑕疵检测算法设计。针对面板的外致缺陷,如油污、划痕、覆膜褶皱瑕疵。本文设计不同算法进行分类识别:如面板表面上的油污,本文设计了一种基于V通道过滤的阈值分割算法;针对面板表面上的划痕,本文设计了一种划痕的高还原度检测及高准确度测量算法;对于面板表面上的覆膜褶皱,本文设计了一种基于灰度直方图的阈值分割算法。（4）系统软件设计与开发。根据企业的实际需求,综合考虑瑕疵检测准确率和视觉算法的效率,进行系统软件的开发。该系统主要包括:数据通讯模块、图像采集模块、图像处理模块、数据保存模块。经在线实验测试,面板表面上的瑕疵检测准确率达到99.24%,满足项目对瑕疵检测准确率的需求。