为了提升汽车的燃油效率,节省能源并降低碳排放,各国汽车制造企业纷纷采用发动机涡轮增压技术。涡轮壳作为涡轮增压器的关键零部件,其表面质量直接影响零件的装配和使用性能。目前,涡轮壳零件表面质量检测以人工目测为主。由于检测人员长时间用眼疲劳以及判别标准主观不一致等原因,导致检测正确性差、效率低,且人工成本高。近年来,机器视觉技术发展迅猛,凭借其检测精度及效率高、实时性好等优点,在产品检测和工业自动化领域应用越来越广泛。涡轮壳零件机加工表面分为密封区和非密封区,不同区域的表面质量要求不同,并且由于加工过程中的冷却液在零件表面留下斑纹,给涡轮壳零件表面缺陷检测增加了难度。本文将机器视觉技术应用于涡轮壳零件机械加工表面的缺陷检测,在分析零件表面缺陷特点及检测技术需求的基础上,制定了检测系统总体方案,构建了包括图像采集、零件装夹与抓取、检测运动机构等在内的硬件单元,开发了视觉检测、运动控制等软件模块,实现了零件表面划痕和凹坑等缺陷检测。视觉检测模块是整个系统的核心,本文研究了光照补偿原理,分别采用高低角度打光方式相结合,增强表面划痕和凹坑类缺陷在图像中的信噪比。在划痕检测算法方面,本文通过形态学中值滤波获取感兴趣区域内仅包含斑纹特征的背景图像,再通过背景差分得到划痕分割图像。接下来根据划痕的形态特点,采用基于方向梯度的区域生长算法将断开的划痕连接起来。最后通过对各形态学单一特征的置信度分析获得权重,采用多特征融合的方法识别出划痕。针对凹坑缺陷检测,本文首先采用基于椭圆拟合的精确边界提取算法得到感兴趣区域,再通过凹坑区域内的图像分割提取形态学特征。将其中的部分特征作为支持向量机的输入向量,采用机器学习的方法识别凹坑缺陷。根据对尼桑GP12及长城1.5涡轮壳零件的检测结果表明,本文研制的基于机器视觉的涡轮壳零件表面缺陷检测系统能够实现单一尺度0.3mm以上的划痕及凹坑缺陷检测,漏检率低于2%,单一平面检测时间少于2秒,能够满足工业现场的在线检测要求。