汽车漆面不仅仅作为汽车零部件的保护层,其美观程度往往决定了用户在购买时的第一印象。目前,汽车漆面表面缺陷检测主要以人工检测手段为主,该方法效率低、稳定性差,且受人为主观因素影响较大,严重影响了产品质量。近年来,机器视觉的快速发展使得很多表面质量检测中的难检、误检、漏检等问题得到了解决。针对目前汽车漆面检测存在的检测效率低、系统复杂、稳定性差等问题,本文以汽车引擎盖表面作为研究对象,将机器视觉技术与移动机器人技术相结合,设计开发了一套完整的适用于类似汽车车身等大型漆面表面缺陷检测系统。通过机械臂带动视觉系统采集完整引擎盖漆面表面图像,完成缺陷检测过程。本文的主要工作如下:（1）完成检测系统软硬件结构设计。根据汽车漆面加工工艺不同分析确定了检测系统技术指标,分析了汽车漆面常见的缺陷类型并选择灰粒、划痕作为主要研究对象,结合漆面表面成像特点,设计了总体技术方案。（2）利用视觉引导完成机械臂位姿校正。利用张正友相机标定算法以及Tasi两步法求解了手眼标定矩阵,确定了机械臂末端和相机坐标系的空间转换关系。根据同轴光源的特性,结合漆面表面成像的结果,通过图像中的几何特征来计算出中心点的偏移向量以及旋转矩阵,实现机械臂的自动位姿调整。（3）结合模式识别算法对漆面质量进行检测。对采集到的漆面图像进行图像预处理操作,丰富缺陷的特征。提出了一种改进的局部二值模式（LBP）特征,增强特征的旋转不变性。根据缺陷的不同特点选择缺陷特征参数,确立包括能量、熵、对比度、逆差分矩、投影直方图、改进LBP直方图等11个特征组成共计97维的特征向量。采用主成分分析（PCA）对特征参数进行降维,降低复杂度。利用Libsvm软件包确定最优参数对,结合支持向量机（SVM）算法对缺陷进行识别和分类。（4）验证检测系统性能。设计和开发系统人机交互软件界面,设计实验,对采集到的图像样本进行测试,实验结果表明检测的准确率达97.8%,划痕类缺陷识别效果为93.33%,灰粒类缺陷的识别效果为94.67%,满足检测的要求。