随着工业零件检测技术的不断发展,现代工业对检测技术的要求也越来越高,传统的检测方法已经不能满足工业生产的需求,于是,一种新的检测技术一基于机器视觉的检测技术应运而生。基于机器视觉的检测具有精准度高、检测速度快、自动化程度高等优点,满足现代工业生产化的要求。本课题在社会化大生产背景的前提下,主要以工业生产中常见的齿轮零件为研究对象,搭建图像采集的硬件平台,利用机器视觉技术,对采集到的零件图像进行缺陷检测。本文的研究框架分四部分：(1)系统研究的总体方案。包括硬件设计和软件设计,硬件设计主要是对图像采集平台的设计：软件设计主要是对开发环境和检测流程的设计。(2)零件图像预处理。对采集到的图像进行去噪处理,针对中值滤波不对噪声点和信号点进行判断这一缺点,利用两者在邻域内的数学差异提出一种改进的中值滤波算法。(3)缺陷检测技术的研究。本文提出一种基于小波变换的一维OTSU分割算法来提取零件表面的缺陷,利用小波多分辨率分析的特点对经过小波分解后的图像进行低频重构,再使用OTSU阈值分割法对缺陷进行分割提取。(4)缺陷的识别与分类。利用BP神经网络原理设计分类器,将本文提取到的缺陷特征参数作为分类器的输入,不同缺陷的类型作为输出,完成缺陷的识别与分类,实验证明,该系统满足工业检测的需求。