微型铣刀作为印刷电路板加工的一种重要加工工具，市场对其加工精度和切削质量的要求越来越高。由于微型铣刀尺寸小、参数多、结构复杂，目前主要依靠人工在显微镜下进行检查，检测效率低、成本高且检测标准不统一。机器视觉检测用摄像机代替人眼，由专用的图像处理算法分析计算结果，能够很好地提高检测效率、生产的自动化程度和产品质量。因此本文提出了基于机器视觉的微型铣刀检测系统，实现了微型铣刀外观12个几何参数的在线测量和刃部崩缺的检测。本文的主要研究工作如下:　　1、检测系统总体结构设计。分析了微型铣刀视觉检测的需求，针对外径测量和其他几何参数测量对光照和成像的不同要求，采用了双相机独立测量的方案。确定了明场平行背光照明和明场正面漫射照明的照明方式，并提出了一种将微型铣刀三维结构的测量转化为二维图像测量的方法。　　2、明场平行背光照明测量铣刀几何参数的研究。设计了微型铣刀回旋外径、全长和鱼尾角的测量方法，采用分段线性的方法对外径测量进行标定。分析了采样率对外径测量不确定度的影响。　　3、研究了明场正面漫射照明测量铣刀表面结构几何参数的方法。根据微型铣刀左旋角、右旋角、右旋数、齿宽、重叠和有效刃长参数的图像特征，研究了灰度直方图、区域形态学运算、亚像素阈值分割等图像处理方法，设计了测量上述参数的算法流程。　　4、刃部崩缺检测算法的研究。分别采用基于区域特征的方法和神经网络分类的方法对微型铣刀刃部的崩缺缺陷进行检测。提取齿刃部的区域矩特征和区域灰度特征，设计神经网络实现了微型铣刀刃部崩缺的分类。　　5、开发了系统软件。基于面向对象的编程思想将上述检测算法实现为一个Vision类，完成了对相机和光源的控制，编写了相应的人机用户界面。实现了微型铣刀的在线测量和崩缺的自动分类。