在我国建设创新型国家，加快产业升级，工业体系逐渐从劳动力密集型向技术密集型过渡的大趋势下，传统的以人工目测为主的产品表面质量控制方式面临着诸如可靠性不高、耗时长等越来越多的问题。基于机器视觉的产品质量检测技术已成为实现精益生产和全面质量控制的工业自动化主要发展方向之一。国内外虽然已经存在多种产品外观质量检测的视觉系统，但多数是检测表面成像均匀的工件，目前还没有能有效实现反光强烈的产品外观缺陷自动检测的成熟视觉检测系统。基于此种现状，本文对表面反光强烈的喷涂注塑产品的结构特点和光学成像特性做了深入研究，并以此提出了一种能够凸出强反光产品表面缺陷特征并进行自动缺陷检测和识别的机器视觉检测方案，此方案的关键是设计了独特的光学成像系统。与一般现有光源成像相比，在本文所设计光源照明条件下，喷涂注塑件表面颗粒、划痕等缺陷特征非常明显。区别于传统视觉检测系统对每次采集到的单张工件图像直接进行处理的方式，本文采集同一位置工件系列图片，并以此合成最终的目标图片，在目标图片中缺陷以高灰度值像素存在于中等灰度值像素所构成的背景上。由于合成图片中缺陷灰度与背景灰度对比明显且噪音较小，无需对图像进行预处理即可直接进行缺陷分割，这同时也说明了光源系统的有效性。文中讨论了几种典型阈值分割技术的优劣性，并对阈值结果进行了对比和分析。在传统分割技术不能满足目标图片缺陷分割的现状下，将改进了的基于迭代法的自动全局阈值方法引入到喷涂注塑件图像分割中，此方法不仅可以成功分割出大面积背景下的微小缺陷，而且对噪音干扰有较强的鲁棒性。最后，采用区域形状特征描述与HU不变矩相结合的方法对颗粒和划痕缺陷特征进行描述，使用最小距离分类器对缺陷进行分类和识别。