基于机器视觉的检测技术在工业智能制造领域的应用极为广泛，其原因在于它不仅能够大大提高产品的品质控制效率，还能够降低制造行业的生产成本和管理成本。　　本文设计了一种基于机器视觉的纽扣轮廓缺陷检测方案。将检测分为学习以及判别两个模块。利用支持向量机，通过学习获得模型参数，在判别过程中用来判断纽扣边缘是否存在缺陷；对于存在轮廓缺陷的纽扣，则对其缺陷区域进行标记。本文使用特定尺度的Canny算子获取图像的梯度信息，通过一种有效的轮廓提取算法提取出单像素联通的轮廓，并基于变异系数构建了轮廓特征向量。对提取出的轮廓进行圆拟合，将拟合轮廓与实际轮廓进行比较和处理，从而实现对轮廓缺陷的标记。　　本文给出并分析了该纽扣表面轮廓缺陷检测算法在Visual Studio平台上运行的实验结果，主要包括检测精度、光照适应性和算法速度。实验结果表明，对于某些类型的纽扣，该算法能够有效地判别纽扣的轮廓是否存在缺陷，并对缺陷区域进行标记，算法对光照变化具有一定的适应性。