机器视觉是一个包含丰富技术的交叉性学科,涵盖了数字图像处理、控制、光学成像、传感器、模拟与数字视频、计算机软、硬件技术和人机接口等技术。它具有检测精密程度高、定位精确、自动化程度高等优势,同时能够实现非接触测量。本文基于VC++下的微软基础类库(Microsoft Foundation Classes,MFC)实现了图像采集、机器视觉检测、决策判断及I/O控制等关键技术,进而构建了一套基于机器视觉的客车电器盒测试系统。该系统有效避免了装配过程中各元件的错装、漏装,防止问题产品的流出,在提高生产效率、缩减操作员工等方面起到良好的效果。论文主要针对以下内容展开研究与实现:1、针对测试台执行机构的运动控制,通过对各类传感器信号进行检测,实现控制各执行气缸完成预定的运动、控制伺服电机系统带动压紧机构到达预定工作位置,保证运动协调、正常。2、针对电器盒的导通测试,包括保险片导通与否、继电器、直流接触器功能实现与否、线路连接正确与否等,通过分析不同型号电器盒的I/O信号并规划配置数据库,然后分型号、分阶段测试,保证了测试的全面性。3、针对电器盒中的半透明保险片实施颜色检测,其在不均匀光照条件下颜色变化起伏较大,表现出“数据不敏感”特征,鉴于此,提出HSI颜色空间和直方图联合检测的方法来进行颜色检测,测试数据分析表明此方法能够较好的实现半透明保险片的检测,相比单一模型、单一算法,所提方法有较强的鲁棒性。4、针对元器件字符识别,传统的模版匹配法存在相似字符识别能力差和识别率低的问题,鉴于此,提出了基于支持向量机的识别方法。首先对图像预处理,然后提取预处理后的字符特征,针对SVM多分类问题并设计多分类器进行训练,通过不同核函数实验对比,选取恰当的核函数进行分类识别。实验结果表明,该方法在相似字符识别能力上表现出较强的适应性,且总体的字符识别率较高。