在工业生产中,为了保证产品的质量,必须对产品进行诸如尺寸、表面光洁度以及强度等参数的检测。随着企业生产规模化,传统的人工检测方法会因检测工作量变大、检测速度和精度提高等影响,导致检测质量波动较大。基于机器视觉的检测技术由于具有自动化程度高、精确性好,并且可以实现非接触测量等优点,被广泛地应用于工业检测和质量控制领域。为了顺应现代工业检测的发展趋势,本文利用机器视觉与图像处理技术,在现有的实验条件下以圆形工件的直径测量作为研究对象,对基于机器视觉的圆形工件二维尺寸测量方法开展了深入的研究和分析。概括本文所做的研究工作,主要包括以下几点:1)硬件平台搭建。在分析系统构成以及各个硬件性能参数的基础上,从实际需求出发,选择合适的硬件,搭建出包括计算机、CCD图像传感器、镜头等在内的测量平台。同时,对测量系统的软件结构和工作流程也做了简要地介绍。2)图像预处理方法分析与选择。对常用的图像滤波、阈值分割、边缘检测等算法进行研究,通过试验比较它们对工件图像的处理效果,找到适合本文研究的工件图像处理和检测方法。3)提出了一种基于人工鱼群算法(AFSA)的圆形工件检测方法,以实现通过较少的内存资源和时间消耗,快速而准确地进行圆形工件检测。首先,从边缘图像上随机选取非共线的三个边缘点表示一个候选圆,即人工鱼个体;然后,统计位于该候选圆上的边缘点个数来计算个体的适应度,在适应度值的指导下,人工鱼通过多次觅食、聚群、追尾等行为最终找到组成圆的三个边缘点的最佳集合;最后,通过与现有的基本Hough变换圆检测、随机Hough变换(RHT)圆检测、基于遗传算法(GA)的圆检测等检测方法的比较,可以看到,我们所提出的方法能够从复杂图像和含噪图像中准确的进行圆检测,同时具有较强的鲁棒性、较快的速度和亚像素精度。4)完成系统的标定。使用该标定系统对圆形工件进行大量的测量实验,并对测量结果进行分析,总结产生误差的原因和消除误差的办法。研究结果显示,本文的测量方法能够满足一般工业检测的精度要求,也为机器视觉在工业测量中的具体应用提供了一种途径。