视觉检测作为非接触式检测技术,是一项集机械、计算机、图像和自动控制等多学科于一体的综合交叉式技术,实现功能多,应用范围广。在工业生产领域,作为智能制造的重点,视觉检测技术在中国制造2025战略和庞大制造业市场需求的双重驱动下,迎来了前所未有的黄金发展期。视觉检测技术对于实现工件的智能检测具有巨大的实用和经济价值,所以有必要展开对视觉检测中相关技术的研究。图像滤波去噪和边缘检测是视觉检测的重要技术,影响后续测量精度。传统视觉检测技术存在以下问题:传统滤波去噪算法只对某一浓度范围内的椒盐噪声能有效滤除,当噪声浓度超过某一定值,去噪效果不理想;传统边缘检测算子易受外界环境因素和工件表面纹理干扰,鲁棒性差,且检测出的虚假边缘影响工件测量精度。为此,本文在分析传统图像滤波去噪算法和边缘检测算子的基础上,改进图像滤波去噪算法,提出一种基于卷积神经网络的边缘检测模型,并通过视觉测量实验验证算法的有效性。具体研究过程如下:（1）分析传统图像滤波去噪算法及去噪效果的主客观评价方法,对图像中存在的椒盐噪声,提出一种基于中值、均值及插值融合的混合滤波算法。采用Matlab对含椒盐噪声浓度为0.1～0.9的法兰盘图像运用四种不同滤波去噪算法进行仿真,结合主观与客观评价方法,对四种不同滤波去噪算法的去噪效果进行评价。（2）研究传统边缘检测算子,采用常见的五种边缘检测算子对法兰盘图像进行仿真分析。针对传统边缘检测算子存在鲁棒性差及以VGG16为基础的边缘检测模型训练时间长、训练成本高、占用计算机内存大的问题,基于卷积神经网络,搭建一种小型、轻量化的边缘检测模型。采用BSD500数据集对模型训练1500次后,得到一种通用的预训练模型。针对特定工件,采用Labelme软件制作相应的数据集,将其喂入预训练模型进行再训练,实现模型参数调整,获得某种特定工件的边缘检测模型。（3）为实现工件边缘细化及阈值自适应调整的功能,研究Canny算子中的非极大值抑制和双阈值处理。将OTSU算法引入双阈值处理,对图像中高低阈值自适应设定,减少人工阈值选取造成的误差。采用Matlab对模型检测的法兰盘边缘进行非极大值抑制和双阈值处理,自适应求解图像的高低阈值。（4）为验证本文算法的有效性,以法兰盘为测量对象,搭建视觉测量平台,结合径向畸变和切向畸变,研究相机成像原理,完成相机标定实验。将经典图像处理方法获得的测量数据作为对照组,分析两种算法的测量结果。根据实验中产生的测量误差,分析误差产生的来源。