垂直度是限制实际要素对基准在垂直方向上变动量的一项指标,其作为位置公差是各类板材的重要评价指标之一。目前在山西大同某镁合金板材生产厂家依然采用人工使用塞尺结合工装的手动方式进行测量,该种测量方式不仅无法满足生产效率的要求,更无法满足检测精度的要求。即便该生产单位对测量标准有严格统一的规定,但是人工检测的方式难以保证这一标准严格执行,从而导致误检情况的发生。机器视觉具有快速、非接触、高效、远距离以及高精度等特点,本文将机器视觉引入板材垂直度测量领域,开发垂直度检测系统,结合镁合金板材生产厂家的需求,从硬件选型、系统设计、算法研究以及上位机软件开发等方面进行研究,最终搭建一套垂直度在线检测平台。首先,本文对图像处理中常用的边缘检测算法进行实验,对比实验结果进行总结。并针对传统Canny边缘检测算子存在的抗噪声能力差、提取结果存在虚假边缘以及边缘模糊等问题进行改进。本文采用双边滤波代替传统Canny算子中的高斯滤波减少边缘丢失,并在计算Canny算子的高低阈值时,采用两次OSTU法进行计算。将基于Zernike矩的亚像素边缘检测与Canny边缘检测算法相结合,通过Canny算子进行像素级的粗定位,然后根据该边缘对原图像进行裁剪,再进行亚像素提取。该种方法不仅提高检测精度,还能避免资源浪费,提高检测效率。其次,本系统采用双远心镜头,该镜头物距固定,当物距发生变化时需放松固定螺栓,调整物距。该种手动调整的方式对检测精度以及检测系统的整体效率都会产生一定的影响。为了能够提高系统的自动化程度以及对焦精度,本文开发了自动对焦功能。为避免在自动对焦的过程中引入额外的检测设备,本文采用了基于图像处理的自动对焦技术,通过图像清晰度评价函数以及搜索算法对驱动电机进行负反馈控制。本文对常见的图像清晰度评价函数进行归类总结与分析,通过对比实验,选择出适合于本系统的图像清晰度评价函数。针对于不同搜索算法,本文也进行了总结对比,针对传统爬山算法容易陷入局部极值的缺点,提出一种预先分类的快速爬山搜索策略:该搜索算法在粗调阶段,通过预先建立对焦函数,粗略估计对焦位置,以较大步长连续采集三幅图像,并计算三幅的图像清晰度评价值,分别记为M₁,M₂和M₃,当M₁（27）M₂（29）M₃时,结束粗调,进入精调阶段。在精调阶段,通过二分法对最佳对焦点进行逼近。最后,基于MFC工具库进行上位机的GUI界面设计,针对需要实现的功能在Dialog窗口上做出相对应的按键Button满足功能要求并便于用户使用。根据测试结果分析,本文所采用的算法可以满足对检测精度以及检测效率的要求,且系统的对焦稳定性良好,取得较好的检测效果。