基于机器视觉的零件检测系统具有非接触、实时性强、速度快等优点广泛应用于各种工业生产中,能够很好的检测出缺陷零件,提高产品的出厂质量。本文综合分析了机器视觉检测技术在机械零件缺陷检测的应用范围和所采用的方法,在此基础上指出了多孔洞规则零件表面缺陷检测的必要性,以工厂生产的有多孔洞的齿轮为样本,对多孔洞的规则机械零件表面缺陷分类方法进行了研究。经过研究各种图像预处理算法、边缘检测算法,提出了一种智能缺陷边缘检测算法,可以完整的检测出零件表面缺陷的边缘,通过对缺陷特征进行提取,并运用支持向量机的分类方法,选择合适的核函数和参数,设计了合理的规则零件的表面缺陷检测系统方案。本文通过对多种图像滤波、图像边缘检测等图像预处理技术的研究,结合本文零件样本的实例,通过对比实验,选择了中值滤波和Canny边缘检测算法对样本图像进行预处理,提取了完整的样本零件边缘信息,有利于对缺陷特征的提取,并对这些预处理技术进行了归纳和总结。如何能够快速有效的提取被测零件缺陷的边缘是提取缺陷特征的前提,它直接影响最终的检测精度和检测速度。针对样本齿轮零件多孔洞的特点,本文提出了一种基于边缘跟踪的零件缺陷边缘智能检测算法,很好的检测到了完整的缺陷边缘,为特征提取提供了高质量的缺陷边缘参数。本文采用基于支持向量机的分类识别算法,通过对缺陷边缘特征数据的提取和数据归一化,得到进行训练和分类的特征数据,综合对比分析选择径向基核函数为本系统的核函数,并运用基于交叉验证和网格搜索的参数选择方法找到核函数的最佳参数,采用一对一的投票策略进行分类训练和测试。在Matlab平台下进行各个模块的软件设计,并设计了GUI界面,方便直观的对整个训练和分类测试结果进行检查和分析。通过对采集到的缺陷零件样本进行了分类测试实验,分类准确率达到96%,高于采用BP神经网络进行分类的92%,最后对产生的误差进行了分析。