在大规模的产品生产制造中，产品的质量检测是一个非常重要的环节。严格的检测要求和高效的检测效率可以保证产品的质量，降低产品的返修率，这对企业的提高自身的市场竞争力有着重要的意义。目前关于工业产品的质量检测环节大部分是人工手动检测，鉴于传统的检测方法比较落后，本文提出了基于图像识别的零件在线自动检测系统。本系统具有自动化高、操作简便、反应速度快、精度高、成本低等优点，避免了人工的主观判断力，提高了检测环节的智能化。　　本论文首先在对图像采集、图像处理、图像识别等机器视觉技术及在线检测技术做了深入的研究后，根据在线检测系统的实现原理，完成了硬件平台的搭建，主要包括图像采集环境的设计及不合格零件的淘汰装置的设计。特别研究了采集环境中光照等因素对图像质量的影响，并根据检测对象的不同提出了不同的照明方式。其次研究了图像预处理的几种算法并确定了中值滤波作为平滑图像的基本算法。然后在对零件生产线上零件的检测参数进行分类的基础上，根据不同的检测参数完成了相应的识别算法的优化设计，特别是通过改进的Hough变换算法实现了是直线和圆的检测。在Visual Studio2010环境中，使用图像处理软件Halcon10.0、数据库软件Access2007基于C语言进行系统开发，完成图像采集模块、图像处理模块、图像识别模块、数据库等模块的设计，建立了一个集图像采集、智能识别于一体的零件在线自动检测系统。最后通过验证实验，表明本文提出的基于图像识别的零件在线自动检测系统达到了设计需求的检测精度和检测速度，在在线检测领域具有可行性，并且在实际生产中具有较为重要的现实意义。