基于机器视觉的冲压件表面缺陷在线检测与分拣自动线设计.docxVIP

PAGE2

基于机器视觉的冲压件表面缺陷在线检测与分拣自动线设计

摘要

冲压件广泛应用于汽车、家电制造，其表面缺陷直接影响产品性能与安全。目前产线质检仍以人工目视为主，效率低、漏检率高，难以适应高速自动化生产需求。本课题以冲压件划痕、凹坑两类典型缺陷为对象，设计一套在线检测与分拣自动线，集成机器视觉、深度学习目标检测及气动机械臂分拣技术，实现缺陷识别与剔除的一体化控制。

全文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路开展。首先分析检测精度、实时性及产线适配等核心需求，明确系统边界；进而在总体架构上采用“工控机+视觉单元+PLC执行”的分布协同模式，完成模块划分与数据流设计；详细设计阶段围绕YOLOv5s算法的轻量化改进与分拣触发时序控制展开，给出了核心算法流程与接口规范；系统实现与测试部分通过自建缺陷数据集训练推理模型，并部署至模拟产线验证，最终检测平均精度达92.3%、单件处理时间小于150ms，分拣准确率99.5%。

本设计的创新特色在于：将轻量级YOLOv5s目标检测模型与气动剔除单元深度耦合，通过自适应光照补偿与精确时序同步，为低算力工业场景提供经济可靠的在线质检方案。

关键词：机器视觉；深度学习；目标检测；冲压件缺陷；分拣自动化

第一章绪论

1.1研究背景

在汽车覆盖件、家电外壳等现代制造领域，冲压件用量巨大。表面缺陷如划痕、凹坑不仅影响外观