产品质量安全一直都是工业生产中关键性的环节,直接关系到产品在市场上的销售份额,具有高质量的产品才能在市场竞争中获取一席之地。现在的工业制造中,多数产品的质量需要人为检测,这是一个耗时耗工的环节,企业需要投入大量的精力和财力来保证产品品质。随着计算机技术的不断发展和应用领域的不断扩展以及机器视觉技术的成熟,用于工业产品质量检测的全自动化缺陷检测系统随之发展起来。本文针对计算机辅助检测产品质量安全的问题,提出了几种通用的基于机器视觉的缺陷监测方法,克服传统缺陷检测方法检测对象局限,来对工业产品的表面图像进行分析以判断其是否存在缺陷,控制产品质量。对于表面均匀规则的纹理图像缺陷,本文提出了利用子图像灰度差的特征非监督检测缺陷的方法。对于一般性的物体表面,本文提出了两种监督学习的缺陷检测方法。在预处理过产品的表面图像后,一种方法是利用子图像灰度差建立合格品与缺陷产品表面图像的缺陷数向量特征并拟合出Logistic回归模型检测产品缺陷。另一种方法是提取图像子图像平均灰度差,彩色直方图以及像素均匀度来表述图像,并对多幅合格产品的图像求取上述特征并进行特征学习,获取合格产品的特征分布,来判断待检测的工业产品当中是否存在缺陷。三种方法在windows平台上利用visual studio 2008基于OpenCV进行软件实现,构建了缺陷检测的软件框架。本文采用了多幅工业产品的图像对本文的方法进行验证,以缺陷检测的正确率来判别方法的有效性。三种方法检测缺陷的准确率分别为92.7%,93.0%和95.0%以上。实验结果证明了本文提出的缺陷检测方法能够在保持高准确率的情况下,有效的检测出工业产品表面的缺陷。