基于深度学习和机器视觉的密封圈检测系统研究与开发.pdfVIP

摘要

密封圈作为一种基础的工业零部件，在航空航天、能源化工和日用轻化等领域被

广泛应用。但是，由于密封圈自身的质量问题而引发的重大安全事故屡见不鲜，如何

确必威体育官网网址封圈的生产质量成为了一个极其重要的安全问题。针对密封圈尺寸及表面缺陷

进行检测是确必威体育官网网址封圈质量的重要步骤，现今我国对密封圈的检测方式主要是依靠人

工目检，不仅效率低，而且容易出现漏检和误检，已无法满足智能制造的需要。由于

密封圈材质较软，容易发生形变，采用直接测量的方法进行外轮廓尺寸检测的精度较

低；并且密封圈表面缺陷形态复杂多变，导致缺陷特征提取比较困难。

针对上述问题，本文研究并设计了基于深度学习和机器视觉的密封圈检测系统，

论文的主要工作如下：

首先，针对密封圈尺寸检测的高精度要求，提出了一种提取亚像素边缘的尺寸检

测方法。为了获得高质量输入图像，通过模拟添加噪声并比较多种滤波算法的实际去

噪效果，确定中值滤波为图像预处理算法。Canny算子的边缘提取效果与其高低阈值

设置有关，本文以灰度直方图中位数作为基数，实现了算子双阈值自适应设置。综合

考虑检测精度和效率，采用三次样条插值法在相邻像素间插入额外像素获取亚像素级

边缘，并基于最小二乘法确定轮廓的圆心和直径，进一步提升了尺寸检测精度。

其次，针对密封圈表面缺陷细小多变难以检测的问题，本文提出了一种基于改进

U-Net的缺陷图像分割算法。为了进一步提升U-Net的性能，本文在编码器端将多次

平均池化后的多尺度特征作为不同层级的额外输入；在解码器端将多个层级的输出图

像放大到相同尺度并融合作为最终输出。同时，构建残差分离卷积模块代替标准卷积，

在增大感受野的同时保留细节特征。在多个数据集上进行实验，对缺陷检测模型效果

进行了验证，在相似性系数、精确率等指标上表现均优于现有模型，证明了改进U-Net

能够有效处理缺陷图像分割问题。

最后，设计并建立了密封圈检测系统硬件装置及软件，针对系统软件进行调试与

测试，从而验证系统的准确性和稳定性。测试结果表明检测系统各项指标符合实际需

求，本系统具有较高的实际应用价值。

关键词：密封圈；尺寸检测；缺陷检测；亚像素；U-Net

ABSTRACT

Asabasicindustrialcomponent，sealingringsarewidelyusedinaerospace，energy

chemicalindustriesanddailylighteningapplications.However，majorsafetyaccidents

causedbythequalityproblemsofsealingringsarenotuncommon，andhowtoensurethe

productionqualityofsealingringshasbecomeanextremelyimportantsafetyissue.

Detectingthesizeandsurfacedefectsofsealingringsisanimportantstepinensuringtheir

quality.Currently，thedetectionofsealingringsmainlyreliesonmanualvisualinspection

inChina，whichisnotonlyinefficientbutalsopronetomissingormisidentifyingdefects，

andthuscannotmeettheneedsofintelligentmanufacturing.Becausethesealingring

materialissoftandpronetodeformation，theaccuracyoftheoutercontourdimension

inspectionbydirectmeasurementmethodislow.Additionally，thecomplexandvaried

surfacedef