加强汽车零配件的质量检测,减少缺陷汽车零配件的投入使用,对解决行车安全问题至关重要。安全带作为行车过程中保护驾乘人员生命安全的重要部件,对其零配件进行质量检测对于保证安全带使用安全及行车安全意义重大。目前主要采取人工方法对汽车零配件进行检测,成本高且效率低。机器视觉检测技术作为一种高效的非接触检测技术,在检测的速度、精度、准确率、环境适应性和成本等方面都优于人工检测。本文以预紧式汽车安全带微型气体发生器(Micro Gas Generator,MGG)表面缺陷检测和关键部位尺寸检测为背景,研究基于机器视觉的汽车安全带MGG质量检测。根据MGG的检测需求,对检测系统进行设计,完成了检测系统的搭建。主要包括:检测工位的设计和检测流程的设计;视觉部分成像系统、照明系统的软硬件分析选择;机械传送部分传动方式的分析选择;控制部分软硬件的分析选择、控制系统接线设计与控制程序编写。针对MGG表面缺陷的检测,基于MATLAB设计算法实现了对正常、划伤和缺针MGG的缺陷检测分类。采用中值滤波对采集的MGG图像去噪;采用灰度-梯度共生矩阵提取MGG图像15个纹理特征参数;利用主成分分析法(Principal Component Analysis,PCA)进行特征降维;设计基于RBF神经网络的分类器进行缺陷分类识别,对于测试的105个样本,检测误判率为1.94%。针对MGG的关键尺寸检测,基于MATLAB设计算法实现了对其外径和缺口宽度的检测。采用基于模糊集的图像增强算法对采集的MGG图像进行对比度增强,采用OTSU法进行二值化处理,完成图像的预处理;采用Sobel微分算子完成MGG图像的边缘检测;通过改进的Sobel算子八模板线性插值细分算法检测出MGG的亚像素边缘,并求其边缘点的坐标;最后利用最小二乘法直线拟合和直接检测法完成对MGG的关键尺寸测量,检测精度满足实际检测需求。