随着“工业4.0”概念的提出,工业产品质量的检测和保障已经进入全面提升的时代,传统依赖人工运用相关仪器测量垂直度的方法已经不能满足检测的要求。基于机器视觉的工业测量系统具有非接触性、自动化程度高、灵活性好、成本低等突出的检测优点,是检测技术未来发展的趋势之一。目前基于图像的垂直度检测大都是以单个物品为对象,逐一检测。针对元器件密度大的PCB板,传统依靠图像检测垂直度的方法一是采集图像困难,二是检测效率低,并且难以满足精度的要求。本文以PCB板上的元器件为研究对象,分别研究了元器件目标图像的提取,编号及亚像素边缘定位,最后对元器件的垂直度进行高精度识别检测,并在DSP+FPGA的图像处理系统上进行了算法移植。本文主要介绍了图像检测系统中的关键技术,包括元器件目标图像的提取,基于改进Canny-Zernike矩的亚像素边缘定位,基于形心配准的垂直度识别算法以及DSP+FPGA架构的硬件系统及软件系统。本文利用Otsu阈值分割来对元器件目标图像进行提取。在比较灰度矩,空间矩及Zernike矩方法后,选用Zernike矩来进行亚像素的边缘定位。本文采用“先粗后精”的边缘提取策略,首先利用改进Canny算法提取像素级边缘,为减小干扰及对元器件统一管理,去除噪点及干扰边缘后对元器件进行编号。然后在粗提取的像素级边缘上利用改进的Zernike矩进行边缘的亚像素定位。对于形心配准的垂直度识别技术,本文首先对镜头进行畸变校正和摄像机标定,来消除畸变带来的误差,再利用最小外接矩形来修正边缘并提取元器件的形心坐标,最后根据形心的偏移距离来完成垂直度识别的检测。通过MATLAB仿真实验表明,本文改进的算法具有良好的性能和较强的鲁棒性,元器件垂直度识别的精度达到设计要求,并且兼顾了图像检测系统的实时性需求。在基于DSP+FPGA的硬件平台上,并完成了相应模块的DSP程序移植、编写和优化。最后通过对实际采集的元器件图像的实验结果表明,本文设计方法可以得到满意的效果。