当前膜切机生产薄膜的尺寸测量和缺陷检测主要是人工进行抽样检测,以判断产品是否合格。这种方法不仅耗费人力,有可能在手工测量和人眼检测的时候引入外界破坏,更重要的是无法实现对模切工件的全检测,难以适应越来越严格的生产质量要求。因此,本论文研究开发一套基于机器视觉的尺寸测量和缺陷检测算法,能够高速高分辨率地对模切件在线进行100%的尺寸测量及缺陷检测,具有较高的工程应用价值。本文基于机器视觉,通过线阵相机和编码器结合获取模切件的图像,在进行亮度矫正与轮廓定位之后,采用细节增强与亮度拉升结合的方法对图像进行增强,针对非胶区边缘提出SUSAN与Canny算子相结合的边缘检测算法,针对胶区采用灰度值膨胀、腐蚀运算后进行差分、二值的边缘检测算法,接着针对边缘点计算其直线与圆弧的Hough空间参数,进而实现边缘点分割,最后,分别采用剔除粗大误差与最小二乘相结合的直线与圆弧拟合方法,获取尺寸测量结果。针对模切件的缺陷,本文基于差影法,提出结合单个像素点的统计特征与图像灰度平均值矫正获得动态阈值的改进算法,实现对模切件的脏污、划伤、破损等缺陷的检测。为了提高算法性能,本文对尺寸测量和缺陷检测的各个环节,利用嵌入式GPU实现基于CUDA的算法并行优化,并且分析和测试每个算法模块的运行时间。经过测试,本论文研发的模切工件检测算法能很好地满足实际模切件生产线的功能和性能需求,模切件检测算法对在线模切件的检测性能约为平均每分钟9米,对缺陷的检测准确率达到97%以上。