在可控核聚变领域中,用于装载聚变燃料的空心微球的直径通常在两百至两千微米之间,其直径和表面质量对聚变实验有至关重要的影响,需要严格控制。目前在大批量微球的粗选工作中主要还是依靠人工检测的方式从中挑选出符合条件的微球,其检测效率低,检测精度难以保证。本文提出了一种基于显微视觉的微球参数检测与转移控制方法,可以实现微球的自动化参数检测及无损转移,提高微球粗选工作的精度和效率。针对微球直径的检测,利用显微视觉技术实现微球边界识别。在对相机中的源图像进行灰度转化和高斯滤波处理后,利用带限幅的自适应直方图均衡化进行图像增强处理,提高微球图像与背景图像的对比度。通过梯度Hough变换对增强后的图像进行圆粗检测,根据粗检测结果中的微球直径和位置信息,设置中心种子区域进行区域填充和轮廓提取,消除微球内部边界。再设置厚度自适应变化的兴趣区域提取微球外壁边界,对边界点进行最小二乘椭圆拟合,得到微球的精确直径和位置信息,实现微球的自动化边界识别。针对微球表面质量的检测,根据微球表面的缺陷程度,分别采用基于特征提取的线性分类方法和基于神经网络的非线性分类方法将微球划分成光滑、粗糙和畸形三种类型。基于特征提取的线性分类方法统计微球内部图像的灰度信息,得到灰度分布函数和累积分布函数。对规范化处理后的累积分布函数进行分段线性拟合,从拟合函数中提取出均匀性和透光性两个特征参数用于定量描述微球表面质量,根据参数设计线性分类器实现微球的缺陷划分。基于神经网络的非线性分类方法则是构建一个三层BP神经网络模型,以微球内部图像的灰度分布和图像背景作为输入信号,利用训练集和验证集优化该模型,将优化后的模型作为非线性分类器实现微球的缺陷划分。针对微球的无损转移,采用真空吸附的夹持方式实现。采用基于位置的视觉伺服控制方法建立机械手拾取操作运动方程,根据放置盘结构设计机械手释放操作的运动方程,运动方程中的系统参数由参数标定程序计算得到。在微球操作平台上设计微球操作系统的单个挑选和循环挑选两种工作模式,实现微球的自动化参数检测及转移功能。为了验证微球参数检测与转移控制方法的性能,设计相关实验进行验证。在微球边界识别实验中,微球直径的平均测量误差为7.81μm,平均重复性测量误差为2.81μm,识别速度达每分钟约53个。在微球缺陷检测及分类实验中,两种分类方法的分类准确程度均在85%以上,但是基于特征提取的线性分类方法的分类准确程度更高,更适合运用于靶球的粗选工作中。在微球无损拾球和释放控制实验中,该视觉伺服系统中的左机械手的平均位置误差为12.72μm,右机械手的平均位置误差为11.61μm。微球转移过程中无损坏现象,转移成功率为83.87%,单只机械手转移速度为40s/个,双手协调转移的速度为30s/个。实验结果验证了基于显微视觉的微球参数检测与转移控制方法的准确性和高效性,显示了微球操作平台自动化检测挑选的方式相对于人工挑选的优势。