本文结合宁波市工业科技攻关项目(2005B100014)《基于CCD图像识别技术的微小零件表面缺陷检测系统研究》,深入地研究了微小轴承外圈表面数字图像的图像预处理和分割问题以及缺陷目标的提取与识别的视觉检测技术。根据项目目标设计了总体方案,论述了视觉检测系统的硬件构成及选用原则,重点分析了光源系统的作用并设计了适合本课题的光源系统。通过实验选择了中值滤波作为系统的图像平滑方法,并着重论述了阈值分割和边缘检测技术,分析了各种方法的优缺点,最后选择了迭代阈值法和Canny算法作为本系统的阈值分割和边缘检测方法。针对预处理后的图像并不只存在对检测有意义的目标缺陷物体,还存在一些无意义的图像信息,本文采用了基于边缘生长算法的边缘连接,解决了边缘封闭性的问题,并利用Hough变换检测并消除了大部分直线,最后标注物体,将缺陷目标提取出来。对提取出来的缺陷图片进行特征描述,并计算出相应的特征参量;介绍了模式识别的基本概念和主要识别方法,并选择了适合本系统的模式识别方法——LVQ神经网络,通过对此神经网络进行模拟训练,达到了分类的目的。通过检测试验,设计的轴承外圈表面缺陷检测系统基本满足项目要求。