基于机器视觉的工业产品表面微小缺陷在线检测与自动分拣系统.docxVIP

PAGE2

基于机器视觉的工业产品表面微小缺陷在线检测与自动分拣系统

摘要

随着“工业4.0”与“中国制造2025”战略的深入推进，智能制造对产品质量管控提出了更高要求，传统人工检测方式已难以满足现代化流水线的高效、高精度需求。本课题针对工业产品表面微小缺陷检测效率低、误检率高的问题，设计并实现了一套基于深度卷积神经网络与高速气动执行机构的在线检测与自动分拣系统。系统采用模块化设计思想，集成了机器视觉图像处理技术与自动化控制技术，实现了从图像采集、缺陷识别到自动分拣的全流程闭环。

论文首先分析了工业表面缺陷检测的现实痛点，确立了以深度学习替代传统算法的核心技术路线。在需求分析阶段，明确了系统需具备毫秒级响应速度与高精度识别能力。在总体设计与详细设计阶段，构建了“工业相机+工控机+PLC+气动执行机构”的硬件架构，并开发了基于改进YOLOv5s的缺陷检测算法，设计了多线程并发处理的软件架构。系统实现阶段，重点攻克了微小缺陷特征提取难与实时性要求高的技术难点，通过引入注意力机制与特征金字塔网络优化了模型性能。

测试结果表明，系统对划痕、凹坑等微小缺陷的平均检测精度达到98.5%，单帧图像处理耗时低于20ms，分拣准确率超过99%，满足了流水线实时生产的要求。本设计不仅有效解决了实际生产中的质量控制难题，也为深度学习在工业视觉领域的落地应用提供了有价值的参考范式。

第一章绪论

1