随着计算机技术的发展,机器视觉技术在工业在线检测中的优势越来越明显。由于机器视觉技术具有非接触、不疲劳等人工检测无法比拟的优点,可以大幅降低检测成本、提高生产效率、提高产品的质量,从而提高产品的附加值,因而在工业检测领域得到了广泛的应用。但在小型金属部件表面缺陷检测方面,由于金属表面的缺陷生成的机理较为复杂,缺陷表现形式多样化,因此要更普遍、成功地应用机器视觉技术还有许多难题必须研究和解决。本文在参考国内外相关文献和技术成果的基础上,以Ni-Fe-B永磁体工件为例,研究了小型金属部件表面缺陷的检测原理和方法,并开发了相关的实时在线检测系统。该系统以机器视觉理论为基础,采用高速高分辨率面阵传感器,并具有较完备的软、硬件配置和功能,以及友好的人机界面。本文首先根据Ni-Fe-B工件缺陷检测系统的要求,提出并论证了检测系统的实现方案。然后分析了常用的光源照明方法,根据工件缺陷的特点,设计了低角度暗视场的环形光的光源照明方案;同时分析了摄像机成像的机理和模型,选择了合适的相机和镜头,完成了图像采集方案的设计和论证。在系统的软件设计方面,首先分析了检测系统中常用的图像处理基本算法。为了解决工件的细微性缺陷在处理时易与周围背景相混淆而造成误判的问题,提出了用多边形感兴趣区域(Rigion of Interest,ROI)划定缺陷检测的区域,且根据对工件自动定位的结果自动调整ROI坐标的自动检测方法,既提高了检测的精确性,又降低了了处理的难度。在工件自动定位方面,首先分析了常用的模板匹配算法,根据待检工件的图像边缘点丰富的特点,提出了基于边缘点特征的序列相似性检测的算法(Sequential Similarity Detection Algorithm,SSDA),实验结果表明该算法很好的克服了其它算法由于实时性差无法满足在线检测要求的缺点。然后,研究了阈值分割算法,提出和采用了OTSU算法与固定阈值相结合的阈值分割算法。在检测的最后,分析研究了像素标记算法,对工件表面的目标进行统计和特征提取,进而判别工件的好坏。在上述基础上,基于VC++6.0平台和奥泰图像提供的相机底层API函数,完成了软件系统(原型)的开发,实现了包括相机与软件平台的衔接,相机的初始化,图像采集,图像处理判别等覆盖检测全过程的软件功能。