汽车零部件质量对汽车整体性能有着重要影响。汽车零部件在生产加工完成后,需要对其质量进行检测。传统对零部件质量的检测主要是通过人工或者辅助某种机器完成的。受限于人本身状况的限制,检测精度不高,同时无法实现大规模的自动化生产。伴随着这种需求,机器视觉技术被引入到汽车零部件检测中。机器视觉检测技术通过工业相机采集目标物件的图像,用图像处理软件对其处理得到检测结果,并由控制器采取相应的执行操作。该技术具有非接触、实时、精度高、便于自动化管理的特点。针对汽车油泵支撑杆这一汽车零部件的检测,我们提出了用机器视觉技术来代替原来传统的人工检测。本文从系统的软硬件架构设计、图像清晰度评价、基于亚像素的支撑杆几何尺寸测量、以及分拣控制设备等方面进行研究,完成了完整的支撑杆的实时检测系统。系统结构采用特殊的光源单元模块和图像采集模块,组成机器视觉系统。同时,提出了无参考图像清晰度评价算法NRFSIM(No-Reference Feature Similarity)。由于实时检测系统的机械震动以及支撑杆的相对运动导致了成像的模糊,严重影响了后续测量。依据二次模糊图像清晰度检测原理,本文将有参考的图像质量评价算法 FSIM(Feature Similarity Index for Image Quality Assessment)应用到无参考图像清晰度评价算法,提出了 NRFSIM算法。该算法在多场景图像和该系统支撑杆图像清晰度判断上的算法性能远优于基于图像梯度的清晰度评价算法。提出了基于亚像素的支撑杆尺寸测量算法。采用基于拟合法的亚像素边缘检测算法进行图像边缘检测,在支撑杆尺寸的测量中研究了以直线平移测距算法和以点测距算法,通过实验验证表明以点测距算法在该检测系统使用中精度更高。进一步研究了在该系统下的相机标定方法,并开发了支撑杆尺寸实时检测系统,已投入到实时生产质量检测中,实验验证该系统具有足够的重复精度和检测精度。本文提出的算法以及设计的系统方案,不仅仅用于当前的实时检测系统,也可以推广到其他领域中使用。