表面缺陷检测技术广泛应用于钢材、纺织、造纸、印刷等行业和领域,对各种产品表面进行缺陷检出,次品剔除。基于机器视觉的表面缺陷检测相比人工检测拥有巨大的优势,它保证了高速、连续、准确在线分拣和质量统计分析。传统的视觉检测系统存在成本高、开发难度大等缺点,同时表面缺陷检测算法存在通用性不强,光照适应性差等问题。本论文针对上述问题进行了深入研究,主要工作包括:(1)提出了一个基于嵌入式系统的机器视觉检测系统方案。从成本、实时性、功耗、检测需求等角度论证系统的硬件构成、核心处理器选型等问题。该系统能够满足功能需求,同时具有低成本、开发便捷等优点。(2)提出了基于加权线性回归(Weighted Linear Regression,WLR)和高斯混合模型(Gaussian Mixture Model,GMM)的缺陷检测算法。从算法的识别准确率等指标比较该方法与基于显著性缺陷检测算法、基于独立成分分析缺陷检测算法的性能。(3)设计了基于Android系统的视觉检测软件框架。深入剖析了系统的功能需求,划分了功能模块,分析模块间相互依赖关系。采用了多线程并发的编程技术,保证执行效率;设计了基于Looper-Handler通信机制的多线程软件框架,保证系统可靠运行;采用NDK(Native Development Kit)技术,优化了算法模块的处理速度。本论文以钮扣表面缺陷为对象,对提出的算法和设计的软件进行了性能测试。实验结果表明,本论文提出的检测方法在不同类型的钮扣上取得94%以上的识别率,算法通用性强,具有良好的光照适应性。设计的检测软件系统能稳定流畅的运行,交互性良好。