计算机视觉检测在工业生产中已经得到了广泛的应用,随着计算机视觉技术的不断进步,计算机视觉检测设备检测的精密性,通用性,智能化程度不断提高。本课题来源于汽车仪表生产厂商中应用基于计算机视觉的汽车仪表检测算法所遇到的问题。随着汽车仪表生产种类的增加,基于图像处理提取简单的特征进行处理的传统汽车仪表检测算法在对于不同的仪表检测中需要修改大量参数才能应用于新种类的仪表检测,因而算法没有通用性,应用于新种类的检测时需要花费额外的时间,显然不能满足仪表生产企业的生产需求。此外,传统的汽车仪表检测算法检测精度低,算法对图像噪声的鲁棒性不强。所以建立高精度,通用性强,可靠性高的计算机视觉检测系统是企业生产的迫切需求。本课题针对仪表检测算法通用性的问题,以汽车仪表自适应检测为研究对象,提出了一种基于字符级联分类器的自适应汽车仪表检测算法,该算法提出了一种全新的汽车仪表检测框架,可以自动地完成对不同种类汽车仪表的检测。本文首先针对汽车仪表指针提取算法中,仪表指针提取容易受到指针旁数字影响,导致检测误差增大的问题,提出了一种基于轮廓分析的汽车仪表指针精提取算法,对汽车仪表指针进行精提取之后采用直线拟合算法对姿态位置进行拟合,从而提高了仪表指针提取的精确拟合程度。针对传统汽车仪表检测算法不具有通用性,仪表检测需要大量修改参数才能对不同种类的汽车仪表进行检测的问题,本课题提出了一种基于字符级联分类器的自适应汽车仪表检测框架。通过识别汽车仪表上速度表和转速表中仪表主刻度点对应的速度值,以识别到的数字字符为基础提取刻度点,提出了基于区域搜索的汽车仪表刻度点提取算法,这种全新的设计准则大大提高了仪表检测算法的通用性,从而解决了仪表检测算法泛化能力差的问题。并且针对实践中传统的HOG-SVM分类器字符识别精度低的问题,提出了字符级联分类器的概念,设计了字符滤波器,并将HOG-SVM分类器,字符滤波器,CNN数字字符分类器进行相互级联,对数字字符进行识别,显著提高了仪表算法字符的识别精度。针对仪表指针读数问题中指针位置和速度对应关系描述简单,误差较大的问题,引入了基于牛顿插值算法的汽车仪表指针位置与速度的线性描述关系,设计规则简单清晰,能够大大降低算法的检测误差且鲁棒性好。实验结果表明本文提出的算法能够显著提高仪表检测算法的检测精度,相比于传统算法通用性显著增强,并且整个算法具有良好的自动化程度。本课题提出的这种自适应检测算法具有广阔的应用前景,能够显著提高企业的生产效率。