随着时代的发展,在工业视觉检测领域,对于检测精度的要求越来越高。本文在现有检测方法的基础上,提出一种自适应滤波方法来提高缺陷检测和速度测量的准确率和稳定性,应用于车用注塑螺纹件的表面缺陷检测系统和焊接线速度测量系统中,并通过实验验证其可靠性。本文的具体的研究工作如下:(1)针对车用注塑螺纹件人工检测效率低、可靠性差的问题,提出了一种基于机器视觉的缺陷检测方法,并提出改进的边缘分割算法提高检测的准确率和稳定性。首先,通过自适应滤波方法改进Canny算子,结合分水岭算法得到不同的增强图像特征;再根据缺料、毛刺、包胶等3种典型缺陷的图像特征,训练支持向量机(SVM)分类器,并以此分类器实现螺纹件的缺陷检测;最后结合UR5(Universal Robots5)机器臂构建了实验测试平台,实现螺纹件全自动分拣与缺陷产品剔除。实验表明该方法能有效的检测螺纹件的典型缺陷,提高了系统稳定性和准确性,结合机器手实现了缺陷产品检测和剔除的全自动化。(2)在自动焊接的生产过程中,焊接速度是焊缝质量的重要保证。为提高焊接的准确性和可靠性,提出了一种基于自适应相机标定的焊接线速度测量方法,并搭建了一套自动化测量系统。首先,通过自适应滤波方法结合特征点提取算法获取准确的图像特征,并进行图像畸变校正,得出相机的内外参数;然后通过单应性变化求出标定板的具体位姿,从而计算出焊接线速度;最后搭建实验平台进行实验对比分析。实验结果表明,应用自适应相机标定的方法测量焊接线速度,具有简单、快速、精度高优点,有助于提高检测效率和生产自动化程度。