产品在线检测是实现机械零部件智能制造质量闭环的关键环节。机器视觉技术因其非接触、高效率、在线检测的独特优势,在产品质量检测中得到广泛应用。发动机凸轮轴一般由凸轮（含多个桃形面）、齿轮、键槽等组成,是一类复杂异形金属构件。其制造工艺复杂冗长,包含基体铸造和多道加工工序,且工作表面易产生裂纹、砂眼、毛刺、孔洞、砂眼、缺料、划伤等多种缺陷,严重影响产品质量和配套发动机的使用安全性。本文以发动机凸轮轴表面缺陷高准确率高精度、全方位检测为目标,研究适用于凸轮轴等复杂异形表面结构件的视觉检测方法,为成套视觉检测装备的开发提供关键技术基础。由于凸轮轴表面结构复杂,缺陷形式多样,且生产过程中的灰尘、油污、污渍、水渍等易沉积于凸轮表面,形成干扰,对缺陷识别算法提出巨大挑战。因此本课题针对凸轮轴前景区域分割、缺陷特征提取和真伪缺陷分类等重难点问题开展以下方面的研究工作:（1）针对凸轮轴背景区域积液和碎屑等脏污干扰凸轮轴正常检测结果问题,提出一种基于纹理边界的模板匹配算法,以实现高精度的凸轮轴图像前景分割。首先通过傅里叶变换将采集到的图像转换到纹理空间,提取其图像低频部分作为铸砂型体的区域表征量,然后通过局部变量形状模板匹配对应的检测前景区域。通过实验测试结果证明,基于纹理特征匹配的前景分割算法在凸轮轴复杂表面分割任务上获得0.954的Dice系数和0.941的IOU系数评分,表明该算法在前景分割任务上的有效性和稳定性。（2）由于凸轮轴表面缺陷尺度和表现形式各不相同,通过图像金字塔重构图像多尺度特征,继而采用Gabor变换、归一化高斯二阶导数和局部动态阈值法对凸轮轴各表面不同类型进行特征提取,通过特征和低层语义特征综合分析提取结果,完成对凸轮轴纹理面的缺陷统一度量和提取。基于尺度归一化高斯核的方法对重构后的特征提取达到0.71的平均精度,相比同类先进算法提高4%。（3）针对凸轮轴表面灰尘、油污、污渍、水渍等伪缺陷干扰算法的正确判断,设计基于几何特征和纹理特征筛选的多阈值分类决策树,通过特征的遍历和几何参数特征对大面积油液等伪缺陷加以剔除,在排除伪缺陷的干扰后将误检率从32.7%降低至7.4%。基于以上研究和团队成员共同搭建的实验平台,开发一套集交互界面、数据存储、组件通讯和柔性配置于一体的凸轮轴表面缺陷检测软件。通过实验验证,检测准确率可达95.3%,误检率低于8%,速率可达27 s/pcs,满足凸轮轴在线全方位、高精度的表面缺陷检测需求。