随着生活节奏的加快,工作学习压力不断增加,再加之不良的用眼习惯,各种眼科疾病的患病率不断飙升,特别是近视人群的急剧增长。隐形眼镜作为矫正视力的医疗器械,需求量与日俱增,同时也对质量提出了更高的要求。工业化量产过程中,因车削、注塑模具等工艺使其不可避免的存在以下缺陷:破边、模具边、车削边、划痕、模具亮点、车削亮点、气泡、水印、橘皮等,这些缺陷的存在不仅大大增加了产品成本,也给使用者带来了极大的安全隐患。现有缺陷检测方式基本以人工为主,劳动强度大,检测人员主观性强,标准不一,易出现误检和漏检,而基于机器视觉的隐形眼镜缺陷检测可以显著提高生产效率。隐形眼镜为一种透光性较好的硅胶质产品,有干镜片和湿镜片之分,多样的形态规格和复杂的缺陷,导致成像和图像处理困难。针对上述问题,本文从光学成像系统出发,提出了镜中心计算（C-PASOD）、边缘提取及目标定位方法,研究了多特征提取技术,并就此开展了相应的实验研究,本文主要完成了以下内容:（1）构建了隐形眼镜成像系统。设计了专用的镜片载具,使各型镜片能够在视野中位置固定;基于载盘、水、镜片三者的折射率不同,设计了一种小孔光源,使得光线在经多种介质折射和反射后,将隐形眼镜的边缘凸出,从而实现了缺陷检测样品的高质量成像。（2）开展了隐形眼镜边缘提取方法的研究。进行了基于Hough变换、最小二乘法和C-PASOD的圆边检测,并比较了三种方法的检测效果,结果表明CPASOD在检测时间、定位精度和算法实现方面均优于Hough变换及最小二乘法,该方法为各种圆形目标的检测提供了一种新思路。（3）提出了多特征参数提取算法。对检测目标横纵向半径差、边缘灰度的各种变化、边界点到中心的距离及其变化、边界的宽度变化、边界的连续性等特征参数进行了提取,通过307张正常镜片图像进行阈值分析,并进行了922张缺陷图片的实验验证,最终缺陷检出率达到95.1%,检测平均时间为1.12s/张,实现了边缘缺陷的快速精准识别。本文提出的基于机器视觉的隐形眼镜缺陷检测方法,具有边缘缺陷凸显、检测快速、结果准确等优点,为隐形眼镜生产效率的提高提供了一种新思路。