随着人工智能的不断发展,机器视觉已广泛应用于工业生产领域。本文采用基于机器视觉的检测方法代替传统的人工检测,实现了陶瓷碗表面缺陷的检测和三维重建。论文主要工作如下:首先提出了一种基于Kirsch算子和Canny算子相结合的检测新方法。该方法利用传统的Kirsch算子的8个方向模板对图像上每一个像素点进行卷积求导,选取最大模板,确定其边缘方向,再结合Canny算法的良好信噪比、检测准确度高、边缘细节保留等优势,完成表面缺陷的检测。并以缺陷几何特征计算得到的圆形度为准则,设计了一套简单的分拣系统,分拣准确率可达95.3%。为了获知缺陷的三维信息,如形状、方向及位置,采用了基于多幅图像序列的三维重建方法,实现表面整体点云重建。点云重建之前先进行了摄像机标定、图像特征点提取及匹配。摄像机标定采用经典张正友标定法与遗传算法相结合的方法,得到最优的相机内外参数;图像特征点提取及匹配采用FAST角点检测法+SURF特征点描述符+FLANN双向匹配算法,得到准确的匹配点对。表面整体重建之前先进行局部重建。点云局部重建采用SFM算法计算匹配点对的空间点的坐标,实现稀疏点云重建,再利用PMVS算法实现稠密点云重建。局部点云重建只能得到空间形状信息,为获取位置和方向信息,增加表面的特征点,最后得到表面整体重建。