工件尺寸的测量是在生产过程中十分重要的环节,有效的工件尺寸测量可以提升工件质量。在工件生产过程中,工件缺陷是限制工件质量的重要因素。近年来,随着计算机技术的发展,利用计算机视觉进行工件尺寸的测量和工件缺陷的检测成为研究热点之一。目前,随着计算机硬件技术的发展,尤其是近年来深度学习领域的技术突破,机器视觉迎来了一个高速发展的时期,越来越多基于机器视觉的应用研究取得了重大突破。本课题依据机器视觉技术,实现了对于工件尺寸的精准测量和工件缺陷的目标检测与识别,并且得到了预想的效果。本课题的研究重点是对于工件尺寸的测量和工件缺陷的检测,并且针对工件图像进行了一些图像预处理操作。以下为主要研究内容。(1)基于机器视觉理论,分析了应用机器视觉技术的在线准确测量方法,并且搭建了硬件实验平台。(2)基于图像采集系统,对相机标定技术进行研究,其中采用了标准件标定方法。(3)对工件图像预处理方法进行研究,其中主要分析了图像的去噪和增强,实现了工件图像的有效分割。(4)利用Harris角点检测和最小二乘法,进行了多边形工件和圆形工件的尺寸测量。(5)在工件尺寸测量的基础上,分别利用传统方式和基于深度学习的方式对工件缺陷进行了有效的检测与识别。其中在深度学习的算法研究中,主要涉及了基于R-CNN算法以及其衍生算法Faster-RCNN算法,并且取得了较好的效果。(6)本课题还基于以上研究,实现了工件尺寸测量和缺陷检测识别的原型系统的实现。