精密轴是各种转动设备的核心组件,其质量对设备运行的可靠性和耐久性具有决定性作用。目前大部分生产企业仍采用传统的接触式测量方法进行检测,检测效果受主观因素影响大,不适合生产自动化。基于机器视觉的检测技术具有非接触、速度快、精度适中、抗干扰能力强、在线无损检测等突出优点,非常适合现代制造业自动化的需要,因而得到了广泛应用。在精密轴视觉检测中,准确提取出精密轴边缘是实现高精度、快速检测的关键。随着精密制造技术的发展,工业领域对检测精度要求也越来越高,而传统边缘检测方法只能达到像素级精度,已经很难满足实际生产中对更高精度检测的需要,因此亟需研究各类具有更高精度的亚像素边缘检测方法,并根据实际需要再不断改进与完善。本文在前人的研究基础上结合像素级边缘检测算法发展,提出一种先粗后精两种定位相结合的亚像素边缘检测算法,并初步应用于国家自然科学基金项目“基于压缩感知的精密轴高精度视觉测量方法研究”中。实验表明,该算法既能提高检测速度,同时能够取得较高的检测效率。本文的主要研究工作如下:(1)对机器视觉技术与边缘检测算法的国内外研究现状进行了综述;给出了论文的章节内容与结构安排。(2)介绍了文中所必需的图像预处理算法,并进行了一些简单的仿真分析;同时,对各类算法的特点进行了阐述与比较。(3)对现有的常见像素级边缘检测算法与亚像素边缘检测算法的实现原理以及特点进行介绍。(4)提出了一种基于粗精定位相结合的亚像素边缘检测算法。首先,针对Roberts算法对噪声敏感的缺点,提出了一种8邻域改进的方法,有效地克服了Roberts算法不具抗噪性能的缺陷;然后,由于Zernike方法需要人工选取阈值,影响检测效率,结合Otsu阈值法进行改进,改进方法有效地提高了检测效率,并取得了较好的检测效果。(5)搭建了基于机器视觉的边缘检测硬件平台;开发了基于机器视觉的边缘检测系统软件。