汽车安全带作为一种重要的交通安全保障工具,在其生产过程中,需要进行严格的质量检测,表面缺陷检测是质量检测中的关键环节之一。目前人工检测方法存在效率低、稳定性差的问题,无法满足实际检测需求,因此利用机器视觉代替人工已成为新的趋势。本文基于工业实际需求,探索了基于机器视觉的汽车安全带表面缺陷检测算法,并构建了基于机器视觉的汽车安全带表面缺陷检测系统。本文的主要研究如下:(1)为了满足高速度、高精度的检测要求,针对汽车安全带在图像采集和表面缺陷检测方面的特性,提出了系统的整体设计方案,并对检测系统的硬件组成进行了研究和分析,为后续的图像处理分析奠定了基础。(2)针对汽车安全带的纹理图像特征,提出了一种基于Laws纹理能量测度的形态学分割方法,提高了图像分割的抗噪性。针对纹理图像的边缘缺陷特征,分析了基于形态学处理的缺陷检测方法,取得了良好的检测效果。(3)针对汽车安全带的表面缺陷特征,从不同的角度出发,研究了不同的检测方法。在空间域中分析了Bob特征分析法、直方图特征分析法和灰度共生矩阵特征分析法,针对每种方法,研究了特征参数的选择及缺陷对特征参数的影响,并对实验结果进行了分析;在频域中研究了频谱特征分析法,并讨论了频域滤波器的选择和参数的计算。对比分析几种算法的缺陷检测结果,实验表明,相比其他几种检测方法,频谱特征分析法可以更好地满足缺陷检测的准确率和实时性要求。(4)搭建了汽车安全带表面缺陷检测平台,构建了基于机器视觉的汽车安全带表面缺陷检测系统,实现了汽车安全带表面缺陷在线检测。实验表明,系统的检测速度和稳定性均能满足检测要求。