端塞是能源燃料的重要组成部分,其表观质量控制是提高产品性能,改进生产技术水平的关键。随着计算机科学、数字图像处理、智能控制等学科持续发展,基于机器视觉缺陷检测已经逐渐代替传统人工目检方式,其低成本、无损伤、快速、精确的特点,使该技术广泛应用于工业生产领域。针对端塞为圆柱形工件并且为金属材质的特性,对端塞采取分工位、分区域进行检测。首先对端塞外观特征进行分析,根据端塞表面存在多种缺陷,描述检测系统工作原理,提出对端塞缺陷进行分工位检测,同时对端塞检测系统做一系列硬件设计。软件方面根据设计需求,在交互界面与软件流程两个方面提出设计方案。其次针对端塞表面高反射率,容易出现光学照明不均匀,缺陷检测率不高的问题,对采集图像进行预处理。本文将异性扩散模型应用于端塞表面图像进行去噪,便于后续二值化处理、过渡区域提取以及感兴趣区域提取。对于端塞内孔检测,本文基于Hough变换理论,提出改进型随机Hough变换方法获取内孔边缘像素点集合。采用圆拟合方法和残差分析,循环剔除点集合中无效点,最终获取圆心点与半径,同时对缺陷进行检测。本文最后针对端塞表面存在碰伤、划痕、擦伤、表面污渍等缺陷,对核心算法LBP算子及其衍生出的LBP算子等价模式、旋转不变LBP算子、多尺度LBP算子以及LBP算子与方差的联合分布多种方法进行分析。提出多尺度LBP算子与图像方差的联合算法对端塞缺陷进行检测。对端塞图像进行分区域处理,建立图像的LBP直方图表达图像纹理信息,计算图像方差反应图像对比度,将图像方差作为度量值调整纹理表达与缺陷检测效果,最终实现对端塞表面缺陷检测。本算法经过大量实验表明,对端塞表面多种类型缺陷均有良好检出效果,确定了缺陷的范围、阈值、面积、尺寸等参数。同时对图像过渡区、不同尺度纹理下缺陷缺陷检测有良好鲁棒性,对缺陷总体检出率达到89.4%,漏检率为0%,满足检测需求。初步实现了端塞生产过程中的质量监测,对于工业实时检测领域具有一定参考价值与实用价值。