洪庆，宋乔，杨晨涛，张培，常连立

(1. 南京理工大学 机械工程学院，江苏 南京 210094； 2. 北京航天新风机械设备有限责任公司，北京 100854)

0 引言

随着计算机技术的飞速发展，图像分析处理已成为视觉的重要研究方向，在制造装配领域有着广阔的应用前景。

传统视觉算法对于特征十分敏感，而实际的工作环境复杂，光线条件恶劣，传统算法无法满足实际生产需要。基于深度学习的图像处理算法相对于传统算法具有更高的准确性和稳定性，在制造业应用更加广泛。苏朝阳等基于机器视觉，利用图像处理算法组件分别配置图像处理链，实现了对电容器外观底部露白缺陷和引脚变形缺陷的检测[1]。周振等针对图像目标受环境影响难识别目标的问题，基于深度图像设计并实现了一种轮廓提取及特征识别的方法[2]。魏中雨等针对制造中零件识别定位以及装配检测效率低、准确度差等问题，提出了一种基于深度神经网络的零件装配检测方法[3]。张辉等提出一种基于机械臂和机器视觉的表面质量检测方法[4]。

在现有技术条件下，预设特征、姿势再进行工程学分析的方法越来越难以满足现代制造的装配质量及效率要求。如何实现装配实时工程学分析已成为一个迫切需要解决的问题[5]。为提高实时装配分析的可行性，本文将针对其中零件图像分割技术展开研究。

1 技术路线

本文实现机械零件图像分割的技术路线如下：

1) 根据制造过程中零件准确率及速度要求，选取Deeplabv3[6-7]算法模型作为本文机械零件图像分割的基础算法。……