随着技术发展和硬件成本的下降,视觉检测的应用越来越广泛。表面缺陷检测和工件装配时的方向检测是保证产品质量的重要环节,与人工检测方法的成本高、效率低以及由于视觉疲劳造成误检测等缺点相比较,采用视觉检测技术可以实现产品检测的自动化,提高生产效率。考虑到大规模的应用需要控制生产成本,于是在视觉检测平台的选择上要兼顾低成本、可维护性与处理速度。因此,结合表面缺陷和工件方向检测,本文对低成本视觉检测平台及视觉检测关键技术进行了研究。首先研究了视觉检测所涉及到的关键图像预处理算法,包括图像匹配、图像增强、图像分割等。对于图像匹配,分别研究了基于互相关的模板匹配与基于特征点的图像匹配,并且利用特征点匹配实现图像视角的矫正。对于图像增强,研究了自适应直方图均衡化算法提高图像的对比度、同态滤波算法消除图像光照不均、颜色恒常性算法降低图像色偏。对于图像分割,分别研究了基于HSV颜色空间的图像分割与基于灰度空间的OTSU分割算法,通过对标准色卡中各颜色对应的H、S、V分量进行计算得到常用颜色对应的三通道分量的阈值,对指定颜色对应的感兴趣区域进行分割,结合OTSU算法研究了递推OTSU与分块OTSU,使得OTSU算法针对背景复杂的图像进行分割时也能取得较好的分割效果。针对表面缺陷复杂多样、检测难度较大等问题,观察到缺陷往往存在于图像均匀背景中局部变化较明显的区域,符合人眼视觉注意机制。于是结合图像纹理和视觉显著度模型,提出了基于纹理显著性的表面缺陷检测算法。该算法以图像块为基本处理单元,提取基于统计纹理的GLCM、GGCM特征。通过K均值聚类算法对特征值进行分类,采用Gmean作为性能评价指标,筛选出对显著性贡献率大的纹理特征计算纹理显著图,融合成最终的显著图并分割提取缺陷。与现有4种显著性检测方法作对比,该算法得到的显著性检测结果能够同时检测出强缺陷和弱缺陷,有效抑制背景噪声的干扰,平均精确率为0.751,平均召回率为0.856,综合指标F值达0.794,准确有效地提取出了表面图像中的缺陷。在低成本开发平台的选择上,通过对常用开发平台进行成本、性能以及通用性的对比,最终选用基于Cortex-A53架构的树莓派作为系统硬件平台,基于Linux内核的Raspbian作为操作系统。以实际生产线上工件方向为检测对象,进行了视觉检测的硬件、软件与处理算法设计。硬件方面包括摄像头选取与工件成像方案设计,光源选取与照明方案设计。软件方面采用QT与OpenCV相结合进行系统总体设计。算法方面在对工件图像的特征进行分析的基础上,针对工件体积小、两端特征无显著差异的特点,利用光照使工件两端的灰度产生差异,设计了通过工件分割后斜面二值像素占比判断正反面的算法与通过工件两端灰度值方差判断方向的算法。最后,通过对不同状态下的工件进行检测,验证了工件方向视觉检测系统的可行性与高效性,同时也说明了树莓派作为视觉检测平台具有成本低、通用性强、集成度高等优势。最后,针对面向现场应用的视觉检测系统在图像采集和图像处理方面的通用性,为了使视觉检测系统开发人员专注于具体检测对象的算法研究,基于工控机处理平台搭建了视觉系统开发环境,开发了通用视觉检测系统。该系统集相机标定、图像采集、常用预处理算法、表面缺陷检测和工件方向判别处理算法等模块于一体,支持多相机工作,能够完成大部分视觉检测的基础工作,并能根据具体检测对象进行二次开发。