由于设备缺陷等因素,旋转体在生产过程中外观会出现缺口、凹坑、尺寸偏差等缺陷,对旋转体外观进行在线检测对于保证其质量具有重要作用。目前采用机器视觉对旋转体的外观进行检测已有研究,但旋转体表面呈弧形且是金属材质,成像时存在灰度不均和对比度低等问题,增加了缺陷检测的难度。本文依托嵌入式高清视频处理平台DM8168,开展旋转体产品外观缺陷在线检测系统的关键技术研究。首先,根据旋转体外观检测系统的技术要求,设计了整体方案。通过圆形转盘使得旋转体依次经过检测区域并在视场内采集多帧图像以获取其全表面图像。光学成像模块选用了合适的工业相机和镜头,采用两个条形光源低角度轴向照明的方式减少旋转体表面反光。详细介绍了本文的处理平台DM8168:FPGA视频采集卡和DM8168多核处理器。采集卡将相机输出的Bayer格式转换成BT1120格式,由DM8168实现视频的采集和处理等功能。接着,针对待测图像存在的灰度不均和对比度低问题,创新性地构建了改进数据场以减弱灰度不均的影响,提出了基于局部矩形对比度的分割方法以克服低对比度图像分割困难的问题,给出了表面缺陷的检测流程。此外,通过边界局部搜索得到旋转体的边界点集合,提取出收口处的两条直线,测量收口尺寸。通过基于曲率的角点检测算法确定角点位置,从而实现体高的近似测量。然后,在缺陷类型识别阶段,提取了缺陷图像的几何、灰度和不变矩特征,并采用SVM实现五种缺陷的分类。考虑到SVM参数对分类精度影响较大,创新性地提出一种平衡了全局探索和局部开发能力的改进鲸鱼优化算法,用来解决SVM的参数优化问题,并仿真验证了其可行性。最后,与某工厂合作搭建了旋转体外观缺陷的初检机,将本文提出的方法运用到实际的检测中,并进行了大量实验。实验结果表明,尺寸类缺陷没有漏检,表面类缺陷误检率和漏检率分别为1.43%和2.03%,系统对所有类型缺陷的检测正确率为98.61%。采用改进鲸鱼算法优化的SVM训练分类器,对五种类型的表面缺陷进行分类,精度为92.89%。本文检测速度达到120颗/分钟,能满足旋转体的在线检测要求,具有较高的推广应用价值。