随着智能制造、工业4.0的相继诞生,不仅对工件的加工精度提出了更高的要求,同时也给工件检测带来了巨大革新。传统的测量方法由于检测工具的使用不便,存在工作强度大、精度低、效率低的缺陷;而高精度的测量机虽然满足了精度需求,但不适用批量化生产检测;基于机器视觉的工件尺寸检测方式很好地解决了上述问题,是当前研究的一个热点。本文针对车间工业自动化生产需求,研发了一种基于机器视觉的非接触式在线检测系统,实现了对小型轴类工件关键尺寸参数的测量。此系统克服了传统接触式测量的诸多缺点,提高了检测效率。论文主要完成了以下任务:首先,针对轴类工件的加工与检测条件,对检测系统进行总体结构设计,并根据系统需求进行了硬件设备的选型以及软件工作流程规划,为保证图像采样质量提供硬件支持。其次,从机器视觉中的常规图像处理方法出发,对工件图像的滤波去噪方法、阈值分割方法以及边缘提取算法进行分析研究,最终确定采用中值滤波法对图像进行去噪处理,并采用SIFT特征点算法对图像进行拼接;采用自适应阈值的Otsu法(大津法)对图像二值化分割;同时,对传统Canny边缘检测进行算法改进提高像素边缘质量。第三,针对像素级边缘检测算法精度低的问题,引入了亚像素边缘细化概念。论述了亚像素边缘检测原理,并对常见的几种亚像素边缘检测方法进行推理求解,并对Zernike矩法、多项式拟合法与多项式插值法进行实验比较,进行精度、效率与抗噪性分析,最终确定选用Zernike矩法。第四,根据回转体零件的结构特征,将零件划分为外螺纹、阶梯轴、圆弧曲线轴、锥体轴四部分,分别研究了对应的视觉检测方法。最后,进行了部分程序设计和实验,包括相机标定、工件图像导入、删除、图像预处理、边缘检测以及尺寸参数检测等操作。通过对一个典型零件的检测,对上述检测算法进行了实验验证,结果显示测量精度在0.018mm范围内,满足系统设定的测量精度0.02mm。对测量结果存在的误差进行分析,证明系统具有一定的可行性与实用性。