为了高效地检测镀镍矩形铜线圈的表面粗糙度,通过由工业相机、显微镜头、点光源等设备构成的硬件系统获取线圈表面图像,采用基于灰度共生矩阵的视觉检测方式,根据图像处理技术提取8个基于灰度共生矩阵的纹理特征参数,结合实际粗糙度值建立实验数据库,分析了特征参数与实际粗糙度值的变化规律;针对BP神经网络容易使权值与阈值陷入局部最优解,导致检测结果不准确等问题,采用SA算法优化了BP神经网络的初始权值与阈值,构建了SA-BP神经网络检测模型;根据训练结果,训练MSE由BP模型的0.000139降到0.000023,迭代次数降低22,说明SA-BP模型拥有更快的收敛速度与更优的网络模型;根据检测结果,检测最大误差幅度由BP模型的0.21μm降到了0.13μm,相对误差均值由5.41%降到3.45%,说明SA-BP模型具有更高的检测稳定性与准确性。