机器视觉在工业检测领域的应用广泛,其检测精度与效率相比人工检测有了质的提升。本文针对汽车保险盒内孔缺陷的工业检测需求,研究了基于机器视觉的汽车保险盒内孔缺陷检测系统。首先,本文根据汽车保险盒的检测需求,对机器视觉成像系统的镜头、相机、光源进行了理论分析与计算选型,并对成像系统的支撑机构进行了设计,以提高系统成像质量。其次,针对汽车保险盒在实际检测时易发生误检的问题,从工件热胀冷缩和制造模具两方面对问题原因进行了分析,提出了不同模具生产的工件进行针对性分类再检测的方法。针对检测时同一缺陷多次检出的问题,设计了自排查的方法予以解决。与原保险盒缺陷检测系统相比,本系统有效降低了误检率。再次,针对保险盒内孔图像在检测过程中匹配效果不佳的问题,本文提出了一种基于区域图像特征的图像分割策略,采用了基于位置因素的区域配准策略对匹配进行约束,设计了基于二维高斯分布的模板滤波方法。对比实验表明,本文方法较已有方法在匹配精度方面提高了8%。然后,针对目前匹配耗时过长的问题,本文在算法方面研究了基于双边投影直方图的匹配方法,在硬件设备方面研究了GPU加速的技术,对匹配进行了实时性优化。对比实验表明,本文的方法耗时较已有方法减少70%。最后,针对实际检测过程中易出现误检的问题,研究了一种能够对检测系统进行故障自诊断的算法,减少人工排查故障的工作量。本文还研制了保险盒内孔缺陷检测系统,同时对系统进行了实验研究,实验表明,系统对保险盒内孔的检测准确率较已有系统至少提高了13%,达到工业检测要求。