随着工业现代化的持续发展,工业4.0和国家智能制造2025的相继提出,工业智能自动化已经成为目前工业发展的大趋势。为了实现工业生产中尺寸检测环节的智能自动化,基于机器视觉的尺寸检测技术应运而生并开始应用到工业中去。机器视觉尺寸检测所拥有的便捷、快速、精准等特点,使其在工业生产中大大解放了劳动力,降低了生产成本,促进了整体工业生产效率的提升。因此,机器视觉尺寸检测的研究正受到越来越多的关注。本文以实际工业轴芯为研究对象,以最小0.002毫米的检测精度为实现目标。为了能够很好的实现整体设计,本文在第二章对机器视觉尺寸检测的基本流程以及常用算法进行了详细介绍。通过对机器视觉尺寸检测整体的分析,将其中的图像处理算法优化和改进作为本文实现高精度尺寸检测的研究重点。在图像处理算法上,本文对检测流程中的关键算法进行了优化,以提高最终的尺寸检测精度。关键算法的优化为:以PCA结合图像轮廓特征的方法进行目标精确定位,在定位完成后使用以Moore边界追踪算法为基础,经过优化的快速八邻域追踪方法进行边缘提取。然后使用以双曲正切边缘模型为基础,经过考虑实际因素优化的双曲正切融合纠正直线模型,进行边缘点的亚像素定位以提高数据精度。最后在对边缘进行直线拟合时,采用了基于加权思想优化设计的距离加权直线拟合方法,实现了图像中边缘直线的精确拟合。对于工业轴芯中存在的常见螺纹特征,本文摒弃了误差较大的传统角点检测方法,以螺纹的形态特征和数学中的最值思想为基础进行螺纹拐点的提取,以实现对螺纹特征的精确计算。在系统的设计和实现上,以双侧远心镜头和500万CCD工业相机构成下位机装置。以Windows系统作为上位机开发平台,使用Qt开发库的Qt Quick框架进行上位机的设计和实现,以C++语言结合OpenCV视觉算法库实现了本文所优化的算法,并使用Visual Studio 2015将其封装为后台调用算法动态库。最后对所实现系统进行了检测速度、检测精度、系统稳定性三方面的测试,并对其测试结果进行了详细的数据分析。本设计通过在算法上的优化改进,以及对最终实现系统的测试结果分析之后,证实了本设计在快速稳定实现尺寸检测的同时,完全可以满足0.002毫米检测精度的要求,满足实际工业应用的条件,实现了提出本设计的初衷。