环行器端口中金属丝的传统检测方式是人工检测,其存在重复性差、速度慢等缺点。人工检测无法适应现代化的工厂流水线。基于机器视觉的缺陷检测系统相比人工检测,具有更高的检测重复性、速度以及自动化等优点。于是,本文就基于机器视觉的环行器端口中金属丝检测系统,开展系统设计与算法研究。本文最先对系统的打光光源、打光方式、图像采集模块以及运动控制模块进行了研究。采用白色LED光源,对环行器端口分别采用了正向打光与侧向打光两种方式采集图像。由双远心镜头搭配500万工业相机组成图像采集模块,以获得高对比度、低噪声的图像。电动旋转平台控制环行器的旋转,以采集环行器三个端口的图像。其次,本文从环行器端口中背景的灰度不同出发,将环行器待检测区域分割为上、中、下三部分。对三个部分,分别比较了正面打光与侧面打光拍摄的图像的对比度与清晰度。最终对上、中两部分选择了正面打光,对下部分采用了侧面打光。分析了金属丝在不同背景中的灰度特征、形态特征以及可能被误判的边缘类型。然后,采用了动态阈值分割的方式提取图像中比背景暗或亮的边缘。在骨架化的基础上完成了对边缘相连的分离。基于金属丝属于屋脊型边缘,对提取出的边缘进行筛选。对筛选出的屋脊型边缘进一步根据灰度均值、方差等灰度特征的不同设定多阈值,进一步筛选出金属丝。最后利用本文所设计的基于机器视觉的缺陷检测系统以及金属丝检测算法,对891张环行器端口图像进行检测,从误检率与漏检率两方面对系统的性能进行评估。实验结果表明:本文中对环行器端口上部分和下部分具有较好的检测性能,对环行器端口的中间部分由于噪声过大的原因,检测效果漏检率较高。最终对总计491个金属丝的误检率为6.3%,漏检率为6.9%。