随着我国航空制造业的迅猛发展,飞机生产过程中对质量检测的要求越来越高。钻铆过程作为飞机装配的关键工艺,其质量检测对飞机装配具有重要意义。传统钻铆质量检测手段存在检测效率低、人工检测主观性大、精度不易控制等问题,开发一套智能检测系统替代传统的人工检测,对于实现钻铆质量检测的自动化、提高飞机装配质量具有至关重要的意义。本文基于图像处理方法设计了一套以3D激光轮廓传感器为基础的图像采集系统,利用Halcon算法库对采集到的图像进行分析处理。铆接平面高度差和锪窝深度是表征钻铆质量的两个重要参数,对铆接平面和锪窝孔的图像处理是本文的核心内容。主要研究工作如下:（1）对铆接平面高度差检测算法进行了研究,首先对铆接平面图像进行图像增强和图像滤波等预处理,然后采用canny边缘检测的方法确定铆钉头的轮廓信息,最后结合基于边界的图像分割与基于数学形态学的图像分割方法完成对铆钉头和板材平面区域的图像分割,将分割得到的两区域的高度值均值作差得到了铆接平面的高度差。（2）对锪窝深度检测算法进行了研究,首先对锪窝孔图像进行阈值分割、形态学处理,完成锪窝孔外圆轮廓的粗定位,然后采用卡尺工具结合RANSAC算法实现了亚像素精度的锪窝孔外圆轮廓提取,最后将获得的外圆半径R代入推论公式实现了锪窝深度的检测。基于图像处理的钻铆质量检测系统作为自动化检测设备,结构简单,操作方便,工作效率高,测量精度高,稳定性好,能够满足现代飞机装配制造在线测量及实时控制的要求,提高了飞机装配的自动化水平及装配质量。