本文依托天津市帅超激光有限公司，针对石油筛管的割缝加工，研发出一套在线自动检测系统，基于机器视觉图像处理技术，通过信息采集图像处理相机标定畸变校正以及信号同步等手段，最终实现了对筛管割缝的自动在线高精度检测论文主要研究内容包括：1.针对割缝的检测要求——实时检测检测精度20um（最高10um）缺陷分类——设计了一种基于机器视觉的在线检测系统：建立相机的采集模型，结合现场加工环境和检测精度要求，设计图像处理的算法流程，并对影响精度的重点算法进行分析和改进，提升系统的检测性能2.通过对传统的边缘检测算法进行分析，综合检测的精度要求采用一种基于重心法的割缝边缘亚像素提取方法，通过对割缝进行边缘粗定位目标区域分割以及重心法提取特征点等算法实现了割缝的亚像素边缘检测，保证了检测的精度要求3.针对传统的相机标定方法，分析了相机的标定原理和标定精度，发展一种高精度的多Z值式相机标定方法，通过对标定中靶标的精确移动，得到相机相对位置的坐标Z值；同时对靶标中的标定圆进行亚像素级圆心检测，利用Canny算法对靶标圆进行边缘粗定位，然后再粗定位边缘上提取出6个圆上的像素点坐标，对坐标点进行最小二乘椭圆拟合，得到标定板上的每个靶标圆的亚像素圆心坐标，大大的提高了相机标定的精度4.由于信息采集时相机的安装位置和拍摄角度，割缝图像出现近大远小的畸变现象，通过对畸变的形成原理进行分析，采用一种基于灭点的透视投影畸变校正，通过对灭点的坐标计算，分别对X方向和Y方向进行畸变校正，实现了较好的校正效果5.构建了利用I/O采集卡进行图像采集同步的软件模块，通过对机床加工时产生的5V直流电平信号进行采集，在程序中设置两个定时器12，通过定时器1对程序进行图像采集开始同步，通过定时器2对程序进行图像处理同步，实现了对图像的稳定在线检测