随着制造业的产业升级改造以及工业自动化水平的提升,越来越多的企业进行转型升级,从低端制造走向高端智能制造。待打磨铸件表面瑕疵的识别和定位技术是当前多品种小批量的铸件自动打磨站系统面临的亟需解决的难题,越来越多的企业开始引入机器视觉技术来提高机器人打磨系统的自动化程度。论文选题源于现有的铸件打磨生产线的工程实际项目,现有的铸件打磨站是采用机器人示教的方式指导机器人对铸件瑕疵进行打磨作业。为了进一步提高铸件打磨系统自动化、智能化水平,本文设计了一套基于机器视觉的铸件瑕疵自动化识别与机器视觉引导打磨系统,本文的主要工作包括:（1）针对铸件清理打磨站内粉尘与震动等不利因素的干扰,本文对采集到的铸件局部图像进行灰度处理、阈值处理、滤波处理、形态学特征处理等图像预处理操作,便于后续通过图像处理算法提取出瑕疵区域的图像形态学特征信息。（2）为了降低机械手末端打磨刀头的磨损率,该打磨系统需要机器人具备一定的机器学习能力来感知待打磨瑕疵的类别,进而选择有针对性的打磨刀头进行清理作业。机器视觉系统可以采集待打磨区域的数字图像,然后提取出批量样本图像中瑕疵区域的形态学特征信息。建立机器学习模型对瑕疵区域的特征信息进行分类识别,针对识别出的瑕疵类别选择工艺要求中与之对应型号的打磨刀头进行清理打磨作业。（3）选用大恒图像公司MER＿201＿25GM工业数字摄像机及配套光源搭建数字图像采集系统,在铸件打磨站内采集不同类型的瑕疵数字图像,实际执行以上理论设想,验证本文的基于瑕疵区域图像学特征信息的识别分类的方法。（4）基于相机标定得到相机内参与外参的数据,将LMI Gocator 2140线激光相机安装在六轴机械手末端完成手眼标定,获得相机坐标系与机械手末端坐标系之间的空间转换关系。在手眼标定结果的基础上,验证视觉引导系统的精度。具体方案为选取标定板中的离散分布的圆形区域来模拟铸件表面的瑕疵区域,计算标定板数字图像中十个圆心在图像坐标系中点的坐标值并将其转换为该圆心在机器人base坐标系中的空间物理坐标值。得出以上计算出的圆心空间物理坐标值与该圆心实际空间物理坐标值之间的差值,以两者之间的误差作为验证视觉引导精度的依据。