由于中国正成为世界机器视觉发展活跃的地区之一，机器视觉也成为目前高校研究的热门之一，其应用领域也涵盖了工业、农业、医药、军事、航天、气象、天文、公安、交通、安全、科研等国民经济的各个行业。与此相对应的，各大高校均开设了机器视觉或相关课程，在机器视觉的授课过程中，因为是新，新课程，缺少具有引导学生动手、将实践与学习相结合的实验课程，多数老师只能参考课本进行讲解，无法引起学生的兴趣，教学效果不是十分理想。机器视觉实验室以发展工业检测领域的机器视觉应用技术为主要目标，致力于精敏视觉传感器、高速图像处理、智能图像识别的研究、开发与应用，重点解决半导体电子、印刷包装、机械制造、塑料制品、医药医疗等行业产品的表面缺陷检测、外观尺寸测量、高速目标定位、自动目标识别中的关键技术问题，大力推进机器视觉技术的广泛应用，在解决企业技术难题、培养高技术人才，尤其是促进科技成果转化等方面满足，特别是地方经济建设与社会发展的需求。边缘检测是机器视觉检测技术的一种，在边缘检测算法中，个步骤用得十分普遍。这是因为大多数场合下，仅仅需要边缘检测器指出边缘出现在图像某一像素点的附近，而没有必要指出边缘的jing确位置或方向。那机器视觉边缘检测算法步骤有些呢？1、滤波：边缘检测算法主要是基于图像强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。需要指出，大多数滤波器在降低噪声的同时也导致了边缘强度的损失，因此，增强边缘和降低噪声之间需要折中。2、增强：增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将邻域(或局部)强度值有变化的点突显出来。边缘增强一般是通过计算梯度幅值来完成的。3、检测：在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边缘，所以应该用某种方法来确定些点是边缘点。的边缘检测判据是梯度幅值阈值判据。4、定位：如果某一应用场合要求确定边缘位置，则边缘的位置可在子像素分辨率上来估计，边缘的方位也可以被估计出来。弹簧表面质量检测是弹簧加工的重要环节。检测时，人们通过各种试验方法对弹簧的性能进行测定，从而把弹簧的质量定量数值化，为企业的质量管理与追踪提供正确的评定依据。弹簧的成品检验主要包括对弹簧的外观检测、尺寸检测、负荷检测等内容，这里我们主要完成对弹簧的外观检测和尺寸检测（包括弹簧长度、线径、线径间距和有效圈数）。国内现有的弹簧检测方法一般是人工用游标卡尺等工具目测，这种方法不仅效率低，而且误差大。有些公司也从国外先进设备进行弹簧自动检测，这一方面大大增加了生产成本，另一方面设备的维护也很困难。针对以上不足，自主开发基于机器视觉的弹簧自动检测系统具有十分重要的意义。