目前,工业领域中对微小尺寸的检测精度和检测速度等要求越来越高,传统检测方法难以或无法达到检测要求,而计算机视觉检测技术是精密测试领域的先进技术。本文从提高微小尺寸检测精度和检测速度入手,对计算机视觉检测理论及关键技术进行了深入的分析和研究。论文深入分析了图像分割方法,针对具有双阈值零件图像分割问题,提出了基于最小错误分割法基础上的双阈值图像分割方法,采用此方法快速、有效地分割出了目标区。在深入分析图像区域边界的Hough变换识别方法的基础上,提出了一种改进的随机Hough变换圆检测方法,利用图像边缘的梯度方向信息和几何基元形状约束进行判断,减少了无效累积和计算量,提高了计算效率,对于图像中的圆和不完整圆均能准确检测。分析了支持向量机基本理论、支持向量机回归基本原理及最小二乘支持向量机回归基本原理,分析了常见亚像素定位原理,提出了一种新的亚像素定位方法——基于最小二乘支持向量机回归的亚像素定位方法。研究建立了用于直线亚像素定位的最小二乘支持向量线性回归模型及用于圆亚像素定位的最小二乘支持向量非线性回归模型。理论分析和实验结果表明,基于最小二乘支持向量回归得到的边缘通过边缘像素点的亚像素位置,具有较高的定位精度,对噪声具有较强的鲁棒性。结合图像处理与图像识别基本方法及论文提出的方法,研究开发了微小塑料齿轮计算机视觉检测系统,对齿轮中心孔孔径、圆度误差、齿轮轮齿缺陷进行了检测。对微小尺寸进行了精密测量,以插线卡为研究对象,测量了插线卡卡槽间隙的微小尺寸。通过理论分析和实验表明,本文提出的图像处理与图像识别方法以及研究开发的微小塑料齿轮视觉检测系统、插线卡精密测量系统具有较高的检测精度,同时满足零件在线检测速度要求。本文研究所取得的成果对于发展图像识别理论,推动计算机视觉在工业质量检测中的应用具有理论意义和实用价值。