高亮表面是指具有极高的反光性,几乎呈镜面反射的零部件光滑表面,如金属件的抛光表面、塑料件的电镀表面等。随着经济的飞速发展,人们对于产品外观的美观度要求也在不断提高,使得具有高亮表面产品越来越多。但该类零部件在生产过程中其表面极易产生划痕、凹坑、异物、气泡等缺陷,导致产品的外观质量下降。对于一些高精密零部件而言,产品存在表面缺陷不仅会使零件性能和寿命受到损害,甚至会导致严重事故,造成重大经济损失,因此表面缺陷的准确检测至关重要。目前对高亮面产品表面进行视觉检测的研究主要集中在平面或球面等规则外型的高亮面产品上,而对于具有高亮特性且外型复杂零件的表面检测研究则几近空白,这也是目前工业检测的难点问题。在传统视觉检测的成像中,由于零件表面的高亮特性容易产生局部过曝或周围环境映射等问题,给后续图像分析带来较大难度。对此,本文提出一种基于机器视觉的高亮复杂曲面表面缺陷实时在线的检测方法。采用激光作为光源,利用被测件表面的高亮特性,将经由被测件表面反射到屏幕上的激光成像作为被测图像进行分析,从而判断被测件表面是否合格,以此建立一种新的对于高亮复杂曲面零件表面的快速检测方法。本文根据表面具有高亮特性,外型较为复杂,表面积较大的特点,选择卫浴产品中的手持花洒作为研究对象展开研究,具体研究工作包括:首先,确定被测件的检测标准及检测的整体方案。从高亮复杂曲面检测的关键性技术问题及难点着手,提出多个解决方案,进行简单实验并对比,确定最优方案,进而确定检测系统的整体检测方案。其次,在确定取像方案后,搭建检测平台,为下一步实验打好基础。本文从成像效果的角度,考虑光源、被测物、相机、接收反射激光的屏幕四者之间的相对位置对成像效果的影响,确定检测系统硬件的整体布局。然后根据实际需求,考虑各零部件的主要参数,选择合适型号的标准件,并对非标件进行设计定制。在搭建好实验检测平台的硬件系统后,对控制系统进行设计及调试,确保检测平台可以满足实验的使用需求。再次,进行算法的设计。通过检测平台进行图像采集后,根据检测算法的要求对图像进行分类并标注,本实验将图像分为两类,即合格与不合格。将标注好的图像作为输入数据集,通过HALCON完成深度学习算法的学习及训练,得到可满足实际检测需求的分类网络。本文按照实际检测情况进行模拟实验,对共1578张样品图像进行学习及训练,训练完成的网络在对237张样品图像进行测试后,其分类的准确率可达96%以上,经统计得到此网络判断一张图像的速度在200ms左右,可满足生产过程中的检测需求。最后,对本文的研究工作进行总结并提出进一步的研究建议。