轴承作为日常生活中大量使用的元件,其质量问题一直备受关注,而轴承表面在生产过程中会产生磕碰、划痕、锈斑等缺陷,且轴承滚子也存在漏装、缺失等现象。如果采用人工检测方式对轴承缺陷进行检测,不仅速度慢、效率低,且检测精度受影响因素多。机器视觉技术在很多领域已被广泛应用,基于其快捷、灵活、抗干扰能力强的特点,可实现对不同检测任务进行快速准确的定位和识别。为此,本文引入机器视觉方法以实现对轴承表面缺陷和滚子漏装缺陷进行检测,以提高轴承缺陷检测速度和精度,并对轴承缺陷进行分类。具体研究内容为:首先,研究了一种新型Canny轴承表面缺陷检测方法。通过伽马校正算法对源图像进行预处理,并基于迭代阈值分割法和Ostu算法自适应地选取传统Canny算法的高、低阈值,以提高轴承表面缺陷的分割的完整性和精度;在此基础上,以图像的圆形度、面积、周长、长宽比为特征参数,利用支持向量机多分类器实现轴承表面缺陷的精确分类。其次,探讨了一种基于边缘模板匹配和Hough轴承滚子漏装缺陷检测方法。使用同态滤波算法增强图像的对比度,并利用基于边缘模板匹配的Hough变换算法获取轴承滚子的轮廓,减小图像光照度的影响,检测轴承滚子圆心位置所在原始图像区域;然后利用边缘模板匹配算法对此区域进行筛选,得到已装配滚子的精确位置,并利用最小二乘拟合算法对已装配滚子中心点进行圆拟合,实现轴承漏装滚子精确定位。最后,设计了一种基于机器视觉的轴承缺陷检测系统及其架构。详细探讨了搭建轴承检测系统的硬件配置,开发轴承缺陷检测系统上位机界面,编写轴承缺陷检测算法程序,并通过实验验证系统的有效性。综上,本文研究对机器视觉技术在轴承缺陷检测中的应用和推广具有重要的理论和实际应用价值。