金属零部件是汽车工业的重要组成部分,随着人们生活水平的提高汽车的需求也越来越大,相应的就需要生产更多的金属零部件。目前金属零部件生产厂家一般为中小型企业,资金的缺乏使得这些企业只能先购买先进的生产设备提高生产自动化水平,对于价格昂贵的自动检测设备大多数企业购买不起,因此只能采用人工目测或者工人依靠简单的量具检测的方式来检测产品的加工质量,检测工序的自动化程度还远远不足。因此,研究具有自主知识产权且性价比高的金属零部件产品质量自动精密检测设备供企业使用具有重要意义。针对上述问题,本文对基于机器视觉技术的双列金属零部件自动检测系统进行研究。首先分析了两种零件的加工质量检测内容与要求,根据检测要求设计了整体解决方案与工作流程,在此基础上分析检测设备的主要功能模块与相互关系。根据检测零件的特征设计视觉解决方案,并设计分拣装置将不合格零件分离。研究了从零件特征图像中自动提取待测边界、检测零件表面缺陷等关键特征量的图像处理算法。根据视觉系统采集到的特征图像,对其进行预处理获取ROI,然后通过亚像素边缘检测技术提取出待测特征量边缘信息并使用最小二乘法拟合边缘特征圆。将几何模板匹配算法、经高斯图像金字塔模型改进的灰度模板匹配算法、基于掩膜技术的缺陷检测算法应用于图像处理实验中,验证这些算法能够准确快速的检测缺陷特征。研究适用于本检测系统的相机标定模型,设计了使用标准标定板实施标定的方法。设计编写基于C#与HALCON动态库的检测系统软件,使用开发的双列金属零件加工质量自动精密检测设备,进行了一系列实际测量实验。通过分析实验结果,验证了设备的测量准确度、重复测量精度和测量正确率满足企业对自动检测设备的要求,最后分析了检测误差的可能来源。