机器视觉技术作为一种非接触式的无损检测技术,由于其具有识别精度高、处理速度快、持续工作时间长、稳定性强的优点,被广泛运用于智能化的生产领域。机器视觉使用工业相机进行产品图像采集,然后进行分析处理以实现产品的自动检测与识别,从而替代繁琐的人工检测。近年来,基于机器视觉的视觉测量和视觉检测技术越来越受制造业的青睐。为此,针对汽车空调压缩机阀板零件关键特征的检测需求,本课题提出了一种基于机器视觉的视觉检测系统,实现对阀板零件整体结构完整性的视觉检测、孔距的视觉测量和边缘轮廓的视觉检测,主要的工作研究内容如下:（1）依据检测项目的实际要求进行了小阀板关键参数视觉检测系统的研究和设计。在硬件方面,完成了检测系统的硬件选型和实验平台的搭建。在软件方面,对视觉检测软件进行了方案设计和软件平台的开发。（2）研究了相机标定和图像预处理算法。分析了相机的成像模型和理想成像模型下四个坐标系的转换关系,同时考虑真实成像中的镜头畸变对图像进行畸变矫正,采用了张氏标定法完成了相机的标定。对采集的图像进行了分析,针对检测要求进行了相应的图像预处理操作。（3）研究了零件整体结构完整性检测方法,本文对降采样图像进行零件的冲压通孔数量检测,基于区域的面积特征与标准限的对比,实现结构缺陷的判定,快速剔除具有冲压孔部分或全堵塞、冲压孔缺漏等缺陷的零件。（4）研究了零件孔距检测方法,结合Zernike矩亚像素检测方法和最小二乘圆拟合,实现亚像素级圆检测。利用完整性检测中获得的ROI区域特征参数,对预处理零件图像进行ROI区域提取,实现关键孔亚像素级的孔距测量。实验分析对比了Canny边缘检测算法、Zernike矩亚像素算法和改进Zernike矩亚像素检测方法。（5）研究了零件边缘轮廓缺陷检测方法,针对多孔零件孔与孔的固有特征关系提出了一种有一定通用性的快速模板匹配算法。利用零件的多孔参数,构建特征三角形,实现零件与标准模板的快速匹配对比,以完成零件的轮廓缺陷检测。基于上面的研究内容,完成了检测系统的软硬件搭建,进行了系统的实验测试,实验证明该关键参数检测系统的检测和测量技术具有一定的实用意义。