零件检测是机器视觉技术在工业生产中最重要的应用之一，在制造生产的过程中，几乎所有的产品都面临着质量检测。传统的手工检测存在着许多不足：首先，人工检测的准确性依赖于工人的状态和熟练程度；其次，人工操作效率相对较低，不能很好的满足大量生产检测的要求；近年来人工成本也在逐步上升。所以，机器视觉技术被广泛用于产品检测中，主要的应用包括：存在性检测和缺陷检测。
3.1存在性检测
存在性检测的对象包括某个部件、某个图案或者是整个物体的存在性。在制造环节中，某些步骤的缺失或者加工缺陷会导致零部件的丢失，影响产品的品质，需要在进行下一步工序或出厂前分拣出来待进一步处理。通过前期的图像采集和处理后，需要依靠显著目标检测算法来进行识别，从而得出显著目标是否存在的结论。
例如李牧等提出了一种显著目标存在性检测算法，利用中心周边直方图计算出的显著图，提取目标区域与图像中心点距离、目标区域位置分布方差、目标区域在图像边缘的分布、目标区 域分布熵、图像显著图的直方图等5种特征进行分类，并利用投票的方式最终确定输入图片是否包含显著目标。通过数据集验证，能够有效识别出指定目标的存在性。
3.2表面缺陷检测
表面缺陷检测的对象为二维平面上的元素，包括孔洞、污渍、划痕、裂纹、亮点、暗点等常见的表面缺陷，这些缺陷特别是孔洞和裂纹等，可能严重影响产品质量和使用的安全性，准确识别缺陷产品非常重要。这方面的研究如岳文辉提出了一种CCD (Charge Coupled Device)图像获取系统，利用使用最普遍的电荷耦合器件CCD，在荧光磁粉无损检测技术的基础上，使用CCD进行图像采集，然后使用相关算法进行图像处理和模式识别，来检测表面缺陷的类型和程度。
系统图像处理和识别流程图
零件检测相关的工作流程一般大致如上图所示。尽管系统针对于不同的对象和目的，但是其图像处理和图像识别内核差异不大。图像处理和识别都是从采集的图像出发，经过单色化处理、阈值处理，图像膨胀处理，孤点滤波等预处理之后，对图像的特征进行提取并描述，最终输出结果。
4、 图像识别
图像识别利用机器视觉技术中的图像处理、分析和理解功能，准确识别出一类预先设定的目标或者物体的模型。在工业领域中的主要应用有条形码读取、二维码扫描识别等，以往多用NFC标签等载体进行信息读取，需要与产品进行近距离接触。而随着工业摄像机等硬件设备的更新换代，二维码等标识可以被远距离读取和识别，而且携带的信息更丰富，可以将所有产品信息写入二维码，而无需联网查询信息。
