随着科学技术的迅猛发展,对于器件的精度及质量要求随之上升。在实际生产中,器件将受到外界各种因素的影响,导致在其表面产生裂纹,进而对器件品质造成负面影响,严重时使器件报废。基于上述情况,在生产过程中对器件进行裂纹检测非常关键。在器件检测方法中,文中采用视觉检测方法,其优点是成本低、检测效率高。但此方法需要基于某一系统平台才能实现。ARM嵌入式系统平台因其功能完善,且比PC机系统具备小型化、便携性、低功耗及成本低等优势,所以采用 ARM嵌入式平台作为视觉检测平台。　　文中基于ARM嵌入式系统平台下,结合视觉检测方法,对器件表面裂纹识别从以下几方面研究:　　第一,在表面裂纹识别系统中,采用ARM嵌入式技术搭建整个系统,并对其进行模块的设计与开发,实现系统硬件功能。文中以 S3C6410核心,搭建整个硬件系统平台;设计了电源、时钟、存储器、USB及LCD液晶显示等接口及外围电路;在这个硬件平台上搭建Linux操作系统,完成交叉编译、内核的定制、BootLoader引导程序及驱动程序的开发与设计。　　第二,基于数字图像处理技术,结合视觉检测方法,完成器件表面图像边缘的提取。将采集到的彩色图像利用灰度化算法进行处理,以达到边缘提取的图像处理要求;由于图像采集和传输过程中容易产生的噪声,文中提出一种改进的小波阈值去噪算法实现图像去噪,同时能保护图像边缘清晰完整;图像边缘提取采用 B样条小波边缘检测算法,通过算法仿真试验并与其它算法进行比较,结果表明:此算法能抑制噪声及提高图像边缘提取的完整度。　　第三,针对器件表面裂纹识别这一问题,采取BP神经网络算法进行识别。该算法是将常规裂纹图像构造成样本集,同时将样本集输入到神经网络中进行训练,通过训练样本与检测样本的比较,从而识别是否存在裂纹。　　通过以上研究,开发一套基于ARM的器件表面裂纹自动检测系统,该系统实验表明,器件表面裂纹自动检测系统具备良好的识别功能,所开发的系统具有广阔的应用前景。