扁弹簧是汽车起动机的重要组成零件之一,扁弹簧轮廓的精度直接影响了汽车起动机的使用状况。目前,扁弹簧的分类和质量检测方法仍然为人工识别,不但工人劳动强度过大,容易疲劳,检测准确率不高,而且检测效率十分低下,极大的制约了扁弹簧的生产和应用。本文提出了基于机器视觉技术的扁弹簧分类和质量检测方法,对扁弹簧图像的预处理方法、分类方法和质量检测方法进行了探索和研究,开发出了扁弹簧分类和质量检测系统。实验分析了各种预处理方法的处理效果,最终选择加权平均法作为图像的灰度化方法;选择中值滤波方法作为图像的去噪方法,达到在去除图像噪声的同时保留边缘的效果;通过寻找轮廓最小外接矩形的方法,得到扁弹簧的感兴趣区域,并使用OSTU方法对图像进行二值化处理。实验研究了基于机器视觉和DDAG SVMs的扁弹簧分类算法。对预处理图像提取黑色像素分布向量,作为特征参数向量,然后采用DDAG SVMs方法对不同型号的扁弹簧的特征向量进行训练,最后对采集到的不同型号扁弹簧测试样本进行分类测试实验。根据不同扭转角下扁弹簧横截面图像的特征,研究了扁弹簧质量检测的算法,提出两种扁弹簧质量检测方法:基于SVM的扁弹簧质量检测方法和基于图像轮廓特征的质量检测方法,并对两种方法的结果进行误差分析。最后,根据扁弹簧分类和质量检测的任务要求,设计出扁弹簧分类和质量检测视觉系统的总体方案,利用Microsoft Visual Studio、C++语言、MFC、Open CV等开发工具,完成了扁弹簧分类和质量检测系统软件的开发。研究表明,基于机器视觉的扁弹簧分类和质量检测方法效率高,准确率高,可以满足扁弹簧自动化分类和质量检测的各项要求。