随着工业4.0概念的兴起,生产过程中的智能化受到了制造企业以及各级政府的高度重视。在钢铁行业中,线材一直是非常重要的产品,在日常生活以及工程建设中起着不可替代的作用。随着我国经济的发展,市场对于线材的需求也是迅速增加,线材生产也在向着高速度和高精度发展。在高速线材生产过程中,线材外径以及椭圆度是线材质量的重要判断依据,因此,本文依据机器视觉设计了一种非接触式高速线材直径及椭圆度在线监测系统,能在高速线材生产过程中对线材的尺寸质量进行实时监测。通过对生产线环境的分析,以及生产需求分析,本文设计了三相机的检测方案。本系统通过LED背光源加上准直透镜为成像系统提供光源,利用高速面阵CCD工业相机和双侧远心镜头对线材进行成像;在确定好工业相机和镜头方案后,对成像系统进行标定,获取到世界坐标系与像素坐标系的转换关系,并对成像畸变进行恢复。面阵CCD工业相机采集到的图像经过模数转换为数字图像后,对图像进行了直方图均衡化、噪声过滤等预处理;对预处理后的图像进行模糊处理。研究了对高速运动的线材运动模糊图像的恢复;对去除噪声和模糊干扰的图像边缘进行识别,分别研究了利用sobel算子、canny边缘检测以及zernike正交矩的亚像素级检测算法对线材边缘坐标进行获取;获取到线材边缘坐标后,利用霍夫变换、在极坐标系下对线材两条边缘点集进行筛选分类;在分别得出线材两条边缘点集后,利用线性拟合的方法对线材坐标进行直线方程拟合,并利用拟合出的直线方程计算出线材直径,最后利用线材三方向的直径计算出线材的椭圆度。通过相机标定确定像素坐标与实际直径的转换关系,最终利用三个方向上的线材直径计算出线材的椭圆度。本论文主要完成了以下几个方面的工作:(1)对高速线材直径及椭圆度检测的项目背景与研究意义进行了阐释,并线材生产的现状以及线材生产的尺寸质量监测要求进行了分析,介绍了几种机器视觉在尺寸检测中的常用方法。(2)通过对线材尺寸质量检测精度要求分析并考虑到设备成本投入等因素,确定了基于面阵CCD成像监测的系统设计方案,介绍了镜头、光源、相机等成像组件的选型原则以及具体选取。(3)介绍了本套系统中成像系统标定的过程,世界坐标系与像素坐标系之间的转换关系,建立相机模型,对相机畸变系数进行标定,并建立畸变模型,对成像后的图像畸变进行矫正。(4)通过图像处理的手段,对采集到的数字图像进行直方图均衡化、噪声去除等预处理,并研究了目标高速运动造成图像模糊情况下的图像的恢复与重建。(5)设计一套完整的线材直径以及椭圆度检测算法,包括图像预处理、线材边缘识别、边缘坐标分类、边缘线性拟合等算法,并研究了在各种噪声干扰的情况下,算法的鲁棒性。(6)研究了三种边缘检测算法,包括像素级经典算法sobel算子、canny边缘检测、以及基于zernike正交矩的亚像素级检测算法,分析了几种算法的边缘识别准确程度、抗干扰能力以及最终计算出的数据精度。(7)通过Matlab对算法的可行性与正确性进行的验证后,利用C++编程语言实现了本系统中的图像处理的算法,最终利用Qt的Gui库编写了写了精美的用户软件。界面精美、交互性好,并通过CPU优化指令集对算法进行优化,降低了一次图像处理的时间消耗,增强了系统的实时性能。