近年来，机器视觉检测技术在不少产品的质量检测、缺陷检测方面有很多应用，但是，小目标产品、低对比度的成像及自动判别，如子弹表面缺陷的检测，一直还没有成熟的方法和产品。而在现代化的子弹加工生产中，军工生产单位迫切需要一种子弹表面缺陷在线检测系统。面对该领域市场客观需求，本课题基于机器视觉技术对子弹表面缺陷图像的采集、原始图像处理、特征提取判别进行深入的研究。首先分析了子弹表面缺陷在线检测的关键技术问题，然后着重对检测原理做了深入研究，分模块选择器件并搭建了实验平台，并采集到初步原始图像。在图像预处理阶段，针对系统噪声的去除几种方法做了研究，然后针对子弹图像对比度低问题，研究了低对比度图像增强的方法，再后实验对比几种图像分割方法，采用效果比较理想的改进的自适应二值化方法。在特征提取和识别阶段，分析了几何特征、灰度特征、纹理特征和不变矩特征，根据这些特征实行了基本的缺陷判断，并进行了实验数据分析，最后介绍了检测软件的设计和实现。本论文的工作重点是子弹表面缺陷在线检测方案，以及针对子弹表面缺陷图像的处理、特征提取判断等核心算法研究及相应软件代码的实现。本文的特点在于：算法针对子弹表面特点基于Matlab验证后移植C++实现的开发方式，相对依赖OpenCV库等开发方式更加有针对性、代码清晰、易于修改和复用；此外，本文提出的基于线阵CCD（Charge Coupled Device，电荷藕合元件）相机的子弹表面缺陷检测，据目前我们所知，国内还未见相关报道。