针对批量化零件的自动化高效视觉检测需求，传统的先视点再路径的单独规划方法容易导致检测效率陷入局部最优。为此，本文提出一种视点与路径多目标整体规划方法，将视点和路径规划问题建模为一个组合优化问题进行多目标优化，旨在全局寻求检测效率最优解。该方法基于表面曲率对视点进行自适应冗余采样，构造兼顾质量与多样性的采样视点集。针对视点覆盖率与检测时间成本两个优化目标，提出基于约束的非支配排序遗传算法（C-NSGA-Ⅱ）进行优化，快速得到满足最小覆盖率的全局最优解，从而实现视点与路径的整体规划，最小化检测时间成本。仿真实验结果表明，该方法相比于简化为单目标优化问题的整体规划方法，运算效率提升90%左右；与传统的单独规划方法相比，视觉检测时间成本有效缩短10.52%以上。最后通过机器人视觉检测应用验证了本文方法的有效性与优越性。