汪承研， 石伟萍， 李玉玲， 张 勇

（1.广东机电职业技术学院， 广东 广州 510515； 2.东北财经大学， 辽宁 大连 116025；3.深圳威斯特姆智能技术有限公司， 广东 深圳 518000）

0 引言

机器视觉在识别、尺寸测量、缺陷检测、定位引导等方面的应用已经较为普遍，尤其在缺陷检测场景，比如零件的缺料、裂纹、多料等缺陷，在精度要求不高的情况下，机器视觉可以完全替代人眼， 并且检测准确度可以得到非常好的重复性。 但是，有些缺陷的检测精度要求很高，而且呈现出多样性和不可预测性， 传统的机器视觉算法已经无法满足应用需求， 随着人工智能的深度学习算法发展，将其和机器视觉的缺陷检测应用结合起来，是提供外观缺陷检测精度的重要方法之一。

1 国内外研究现状、存在的问题及发展趋势分析

1.1 国内外研究现状

在运用机器视觉进行结构件特征和缺陷高精度检测研究方面，国内科研机构近些年开展了相应的研究。 五邑大学科研工作者开发了一种基于机器视觉的盘纸轮廓直径和宽度大小的检测模型， 该检测模型是以霍夫圆检测和canny 边缘检测算法作为设计基础， 通过提取盘纸轮廓来实现圆心坐标、直径和宽度大小的检测。 运用图形进行细化后所提取的轮廓骨架， 确定边缘像素的特征点位置， 运用最小二次函数乘法将特征点位置的坐标进行拟合，标定其极限值偏差，判定产品的合格性，其宽度检测误差在0.8mm 左右[1]。西南交通大学的科研工作者研究了基于机器视觉的航空铆钉尺寸检测技术，使用OpenCV 作为开发平台， 采用阈值分割算法与分水岭算法进行图像分割；……