基于机器视觉的传送带产品缺陷在线检测系统设计.docxVIP

PAGE2

基于机器视觉的传送带产品缺陷在线检测系统设计

摘要

随着制造业智能化转型加速，产品缺陷检测效率低下成为制约生产质量的关键瓶颈。据统计，传统人工检测方式错误率高达15%，导致年均损失超制造业产值的3%。本设计聚焦传送带场景，提出一套基于机器视觉的在线检测系统，实现划痕、缺料等缺陷的自动化识别与分拣。系统采用工业相机与环形光源构建采集层，结合改进的Canny边缘检测与深度学习算法提升识别精度，最终通过PLC控制气动分拣机构完成动作。

论文遵循工程递进思路展开：第一章分析行业痛点与研究意义；第二章论证机器视觉与图像处理技术的选型依据；第三章细化功能与非功能需求指标；第四章设计分层架构与硬件部署方案；第五章详述图像采集、缺陷检测等核心模块算法；第六章实现系统并解决光照不均等难点；第七章通过200组样本测试验证性能。核心创新在于融合传统图像处理与轻量级YOLOv5s模型，在保证98.5%识别率的同时将处理速度压缩至80ms/帧，较现有方案提升30%效率。全文共计15,000字，为中小型制造企业提供可落地的检测解决方案。

第一章绪论

1.1研究背景

制造业质量控制面临严峻挑战。人工目检效率低下且易受疲劳影响，某汽车零部件厂统计显示，工人连续作业2小时后漏检率从5%飙升至22%。传送带高速运转场景下，传统接触式传感器难以捕捉细微划痕或缺料缺陷，导致批量产品返工。

工业4.0