一直以来，在制造行业中精密零件的尺寸测量被视作为基础性工作。而国内的零件尺寸测量特别是微小零件，通常都是以人工手动的方式完成，不仅耗时费力且测量精度偏低。因此，微小零件尺寸的测量效率和测量精度亟待提高。而随着机器视觉技术在测量领域的日趋成熟，为这一问题的解决带来了新的思路。　　本文以键槽零件为研究对象，设计了一套基于机器视觉的高精度微小零件多参数检测系统。通过图像处理技术，实现了精密零件高精度、多参数、非接触测量。课题主要工作如下：　　(1)设计了精密零件视觉检测系统。根据检测要求，完成硬件部分的设计和相关软件设计。硬件部分包括相机、镜头、光源的选择，软件则包括一系列图像处理算法设计。　　(2)研究了图像预处理技术，对图像灰度变换、图像去噪、图像分割算法进行研究，经过实验验证分析，选择中值滤波方式去除噪声，选择固定阈值分割出零件图像，提取出感兴趣的零件部分，有利于下一步的图像边缘检测。　　(3)研究了图像边缘检测技术，通过研究分析经典边缘检测算法，通过实验，选择了Canny算法提取零件的边缘。基于此，分析研究了零件图像亚像素检测算法，选择双线性插值算法进行零件亚像素检测，对检测出来的边缘，采用最小二乘法拟合边缘轮廓，完成零件参数检测，提高了检测精度。　　(4)搭建了视觉检测实验平台，对检测系统进行标定，完成像素尺寸跟实际物理尺寸之间的转换，检测得到零件实际尺寸参数。在VS2015平台上，Halcon联合C#，完成系统人机交互界面设计，实时显示零件参数测量结果。实验结果表明：该系统检测精度在±6μm以内，验证了利用视觉检测方法实现高精度零件参数测量的可行性。　　综上所述，本文经过视觉检测系统设计、图像处理算法分析研究、实验平台搭建、零件多参数测量实验，验证了视觉检测方案的正确性，为后续的高精度、非接触测量奠定了坚实的基础。