汽车高压油路密封件作为汽车发动机油路安全运行的关键部件,采用精准且高效的检测技术,对工业生产和汽车出行安全有着重要作用。本文提出基于机器视觉的汽车发动机高压油路密封件缺陷检测系统,解决汽车发动机油路密封件在传统检测方法中耗费大量人力、准确率低和生产效率低等问题,对密封件的工厂生产具有重要的应用价值。本文完成了密封件缺陷视觉检测系统的构建,通过搭建视觉检测系统硬件图像采集平台和软件图像处理及结果显示平台,实现汽车发动机高压油路密封件表面的缺陷检测。本文提出基于粒子群优化的K-Means算法,实现密封件表面缺陷区域的分割和缺陷类别的识别。在图像预处理阶段,通过图像反转变换和提取目标颜色分量实现图像特征增强,并采用中值滤波操作滤除图像噪声。然后,实现对密封件表面的粗检测,通过转换图像的颜色空间和阈值分割算法实现图像去背景,结合霍夫变换和边界跟踪算法,检测出密封件边缘缺损缺陷。同时,根据金属氧化阈值较大的特点分割出密封件的表面氧化缺陷,实现密封件的粗检测。最后,通过SURF算法提取密封件图像特征点,结合本文提出的基于粒子群优化的K-Means聚类图像分割算法,先对特征数据筛选优化,定位K-Means聚类算法的初始聚类中心;然后对聚类中心周围区域的像素聚类,实现密封件表面特征区域分割,最终结合密封件图像缺陷区域的特征参数,识别密封件表面缺陷的类型,实现密封件的缺陷分类检测,并在交互界面显示结果。本文提出的基于粒子群优化的K-Means聚类分割算法,与传统图像分割算法的结果比较,对密封件表面特征区域分割的连续性较好,完整度较高,噪点少,能够明显地识别出密封件表面的缺陷区域。经过试验验证了本文提出的系统和算法在实际检测过程中的适用性,可以用于汽车发动机高压油路密封件表面缺陷的检测。