随着“中国制造2025”的提出,国内机械制造业蓬勃发展,制造技术日新月异,对检测技术的要求逐步提高。传统的人工手动接触式零件尺寸检测方式速度较慢且精度低、柔性差,无法满足目前的检测需求。同时目前能够实现精密检测的仪器价格非常昂贵且抗干扰能力差,无法适应工厂环境配合自动生产线实现在线检测的要求。而基于机器视觉的检测技术具有快速、精确、柔性强、成本低等特点。因此,本文依托机器视觉技术,设计了一套零件尺寸检测系统以提高检测精度和速度。本文选取Opencv图像处理库结合C#开发工具设计零件尺寸检测系统,对图像处理过程中的关键技术和系统的标定问题进行了深入研究,实现了对零件尺寸边缘的亚像素定位检测。首先,本文以具有代表性的回转体零件作为研究对象,根据工件表面的反光特点及尺寸参数,通过实验,对比分析常用的三种照明方式,分别选取其中最能突显工件直径及高度特征的照明方式。采取三种滤波方式,分别对采集的图像进行去噪处理后,分析不同滤波方式下同一行像素的灰度变化,选择最合理的一种滤波方法降低对边缘模糊度的影响。其次,根据系统检测精度和速度的要求,本文提出了一种融合形态学改进的Canny算子边缘检测方法,在不损失检测精度的前提下大幅度提高检测速度,达到了边缘单像素级定位精度。另外,本文提出了一种改进的Zernike亚像素边缘算子,该算子能够自动获取阶跃灰度最优值,使系统具有了鲁棒性。最后,本文详细地阐述了本系统的尺寸测量原理,为了避免出现“边缘轮廓点野值”影响检测精度的问题,将Hough与最小二乘拟合相结合,来提高直线拟合的检测精度。利用该零件尺寸检测系统,进行单一工件重复测量和多类型工件多次测量实验,记录尺寸数据和检测时间。实验结果表明,本检测系统能够满足本文设计指标。另外,针对实验结果进行误差分析,并对误差来源提出了改进方案。基于以上分析,该零件检测系统满足目前的检测需求,且具备普遍适用性。