随着经济和技术的发展,机器视觉技术已经代替人眼深入到了社会的方方面面,彻底改变了人们的生活环境。机器视觉检测综合了机器视觉和自动化技术,广泛应用于制造行业的产品缺陷检测,例如产品的装配过程检测与定位、产品的包装检测、产品的外观质量检测、物流行业的货物分拣或水果分拣等,机器视觉能够代替人工快速、准确地完成各项工作。本文针对老龄飞机蒙皮缺陷不易检测问题,分析现有检测技术的优缺点,采用机器视觉、DSP、模式识别等技术,在机器人平台上完成了老龄飞机蒙皮缺陷检测系统的构造,本系统通过无线传输技术将采集的实时、动态蒙皮损伤信息传递给地面健康监测平台进行分析,可在线得到缺陷检测结果,实现了飞机蒙皮缺陷图像分类和铆钉连接关键部位腐蚀图像分类。老龄飞机蒙皮缺陷监控系统,主要包括图像采集、无线通讯、图像存储、图像处理、特征提取、模式识别六个模块。根据系统的要求,完成了图像采集模块、无线通讯模块、图像存储的硬件设计和图像处理模块、特征提取模块、模式识别模块的软件设计。针对飞机蒙皮缺陷特征提取,建立了飞机蒙皮图像样本库,采用了灰度矩阵法提取飞机蒙皮缺陷图像特征值,提取的特征值精度满足系统要求；针对铆钉连接部位腐蚀图像特征提取,给出了一种改进的铆钉中心定位算法确定腐蚀铆钉的中心与半径,改进的算法提高了铆钉中心确定的准确度,进而提高了铆钉连接部位腐蚀图像特征值的精确度。在模式识别模块,阐述了一般线性支持向量机、一般非线性支持向量机和模糊支持向量机的原理与分类应用,本系统选择了模糊支持向量机进行模式识别,在基于样本中心距离FSVM方法的基础上,给出了基于样本间距FSVM方法进行飞机蒙皮图像和铆钉连接部位腐蚀等级进行分类,通过仿真实验对比发现该算法-定程度地提高飞机蒙皮缺陷图像和铆钉腐蚀蒙皮图像的识别分类率。基于机器视觉的飞机蒙皮缺陷监控系统与目前的检测设备相比,无需专业操作人员就可在计算机前完成检测,具有良好的扩展性,应用前景广阔,对提高老龄飞机的可靠性有较大的应用意义。