为解决传统熔融石英坩埚(以下简称坩埚)缺陷人工检测方法的不足:受劳动者经验和疲劳程度影响、效率低等。本文设计了一个以机器人为平台的基于机器视觉的坩埚缺陷检测系统。该系统通过图像处理技术检测出坩埚缺陷提取出其外接圆“3点”标记点,并通过建立参考坐标系和机器人手眼标定等坐标系转换将像素坐标转换成机器人基础坐标,同时自定义机器手标记时的位姿角度,合并三个轴的平移量和旋转量。发送坐标到机器人系统时按照一个圆弧的顺序来进行发送,即:将发送的三个坐标分别定义三个属性1、2、3,然后机器人激活相应属性的坐标进行逐点运动完成一个整圆的运动轨迹,最终实现机器人对检测出的缺陷进行可视化标记。本文对采集到的图像进行图像灰度化、图像强度反转、背景差法等预处理方法再通过阈值分割、特征提取等方法最终检测出待提取缺陷。其中在进行背景差算法时根据光照不均的情况提出了基于多区域灰度值中值判别的灰度值修正法进行灰度修正,使得非缺陷位置的灰度值几乎为0,而缺陷的位置具有一定的灰度值,进而达到在图像中突出前景的目的。同时提出了一种图像尺度上的基于平移向量的图像拼接算法,该方法能够对一个缺陷被几张图像分割采集情况进行很好的处理,同时配合模板匹配算法避免了同一缺陷在不同图像中被重复检测或标记混乱情况的发生,解决了图像融合拼接方法中特征点对数目不足的问题,图像拼接边缘的点为理论上的同一点。另外本文编写了上位机视觉系统平台,此平台能够进行图像的采集并进行图像矫正、图像强度反转、背景差处理、阈值分割、形态学、特征提取等一系列处理最终提取出图像中的缺陷进行显示。当系统进行自动化检测缺陷并进行缺陷标记时也会将检测到的缺陷个数及图像坐标返回到可视化界面中。此外软件平台还包括系统的一些基本设置如:摄像机的内部参数,机器人手眼标定参数、参考坐标系等中间转换参数等,参数实现系统在不同情况下更准确进行系统检测。实验结果表明:本文设计的坩埚缺陷检测系统能够满足实际需要,具有快速性、稳定性、实用性,具有较大的应用前景。