2013年我国继电器产量世界占比突破了 50%,近几年我国继电器产业,从做“产品”迅速转向做“品质”。但是对于国内制造的继电器底座,传统的人工质量检测方法不能在线检测且精度不高,效率远不能满足市场的要求。因此开发一款可以实现继电器底座缺陷识别和尺寸测量的高精度、高效率的在线检测系统是非常必要的。本文基于视觉检测技术对继电器底座在线检测系统做了深入的研究,主要研究工作如下:1、根据继电器底座缺陷识别和尺寸检测的要求,提出了将缺陷识别和尺寸测量两个系统结合在一起,并和多个相机配合的检测系统整体方案,能够将实现在线检测系统的自动化和一体化操作。2、采用归一化相关系数相似度量方法,使其能较好的适应光照线性变化;在搜索策略上采用图像金字塔分层查找策略,来进一步提高搜索速度;采用创建多方向模板,来提高带有旋转或者缩放图像匹配的准确性。基于灰度值的模板匹配算法进行了改进,解决了现有缺陷识别算法受外界环境影响,匹配效果差且检测速度较慢的问题。3、对目标图像进行标定和阈值分割处理,然后进行像素级边缘检测得到“粗”轮廓,再以某轮廓点为中心选取一块矩形区域,确定该区域像素灰度值的梯度方向上的位置坐标和灰度大小,选择三次样条函数进行插值,最后计算出亚像素坐标。提出的改进的亚像素边缘检测算法,解决了传统检测方法无法量化、精度低的缺陷,提高了测量的精度和速度。4、基于Windows系统和Visual Studio 2015平台开发设计软件系统框架,包括相机控制模块、创建模板模块、缺陷识别模块、尺寸测量模块以及全自动操作模块。并对整个系统的硬件和软件进行了测试。主要是对匹配精度和匹配速度以及测量精度和检测时间进行了评估和验证。本文研究开发的基于机器视觉的继电器底座检测系统,可以实现对缺陷的准确识别以及对尺寸的高精度测量,具有较高的市场应用价值。