粗糙度是指加工表面上微小间距和峰谷所组成的微观几何形状特性，对机器和仪表的性能和寿命有着重要的影响。随着机械加工自动化程度的提高，很多零件由抽检改为必检，对表面粗糙度在线测量提出了越来越高的要求。目前，大部分的粗糙度检测系统都是基于PC机加图像采集卡设计的，其缺点是成本高、安装携带不方便、不便于工业现场安装使用。近年来，嵌入式系统发展迅速，处理速度和存储容量都在不断提高，尤其是DSP芯片，它具有外设接口丰富和易编程等优点，从而为基于DSP的粗糙度在线检测系统开发提供了基础。本文在国家重大科技专项“高档数控机床与基础制造装备”项目子课题“典型零件磨削表面粗糙度在线检测技术与装置”(课题编号：2011ZX04016-041)的资助下，研究并设计了一套基于DSP的粗糙度在线检测系统。论文的主要研究工作有(1)介绍了表面粗糙度的定义及形成原因；阐述了光散射原理，并对散射光强分布与表面粗糙度之间的定性与定量关系进行了分析；最后阐述了机器视觉的基本理论，选取了基于光散射原理和机器视觉的表面粗糙度检测方案。(2)设计了工件表面粗糙度在线检测系统的硬件模块，包括光学测量模块、图像采集模块、数据处理模块和通信模块，并且对每个模块具体的元件选型以及工作原理进行了介绍。(3)设计了一套完整的粗糙度检测算法，包括图像预处理、特征参数提取以及基于多分类支持向量机的粗糙度等级识别，经MATLAB仿真验证，该算法可以有效识别粗糙度等级。(4)将设计的粗糙度检测算法移植到硬件平台上。首先，用C语言编写了粗糙度检测算法；然后，通过烧录软件将其固化到数据不易丢失的Flash芯片中，从而完成了基于DSP的粗糙度在线检测系统开发；最后，通过实例验证了系统的可靠性。本文基于光散射原理和机器视觉理论，并结合DSP芯片，设计了一套磨削表面粗糙度在线检测系统。该系统首先通过工业相机采集光散射图像；再采用高性能的DSP芯片，对采集到的图像进行图像预处理以及特征参数的提取；最后利用建立的多分类支持向量机模型，对不同表面粗糙度等级的图像进行分类。试验结果表明，该系统能够有效地识别工件表面粗糙度等级，有效实现工件表面粗糙度的在线检测。