钢球作为轴承的关键组件，其表面质量直接影响轴承的精度、动态性能及寿命等。随着机电设备对轴承质量要求的不断提高，对钢球表面缺陷标准也提出了更为严格的要求，传统的人工检测方法日益难以为继。计算机视觉作为一种新型检测技术，具有精度高、速度快、非接触及易于自动化等优点，适用于钢球表面缺陷检测。本文采用视觉的方法对钢球表面缺陷在线检测一系列的关键技术进行研究和讨论。在此基础上，实现”钢球表面缺陷分选机”开发与样机研制。主要内容及完成工作如下：针对高反射光泽金属球表面缺陷图像采集的难题，提出并设计了新的均匀散射光的照明光源。在多种照明方案的论证后建立光泽金属表面光反射模型，从均匀性角度对均匀散射光源进行了研究，并对光源照度均匀性分布进行仿真。研制了基于LED的环形漫反射穹顶光源。提出新的基于双图像传感器的球面展开方法以实现球面完全检测。该方法通过双CCD相机在球列的滚动过程中不断采集图像来实现球表面的完全展开。此法采用一维机械运动替代了传统方法上展开的二维运动，避免采用结构复杂、易于磨损、展开随机的展开轮系统。实验验证了此方法的有效性，申请了一项国际发明专利，PCT认为其具有新颖性、创造性与实用性。在钢球缺陷图像实时处理算法中，提出了基于两步法的球列定位算法，即首先采用基于灰度投影的粗定位方法，其次通过基于分段圆弧连接边缘的canny算子精准定位完成球列中每个球的定位。利用有效差分法擦除背景及Otsu分割算法分割缺陷。讨论被测件合格界限的判定，对钢球缺陷的判别提出宁严勿宽的原则。提出几何特征与纹理特征相结合的21个统计特征作为五类缺陷分类识别的有效特征。利用KNN分类算法分别分析形状特征、矩特征、统计纹理特征、基于灰度共生矩阵的纹理特征用于缺陷分类描述的特点，结合PCA主元分析，最终进行了最佳特征的选择。分别改进了神经网络和支持向量机实现对钢球缺陷的分类器设计。提出基于距离最近圆的方法进行预处理，多维几何方法来选取网络初始值，采用带动量项的变步长法进行训练等算法来改进标准BP网络。在支持向量机的模型构建中利用交叉验证算法进行参数寻优，实验证明在C-SVC模型下取得比神经网络更高的分类辨识率及更好的泛化能力。