黄勤芳

（广西职业学院，广西 南宁 530007）

0 引言

汽车散热翅片是由薄型板材冲压成型的，由于其刚度较差，容易在板材裁剪、冲压成型等工序中造成裂痕以及平面度差等缺陷[1]。人工检测工件质量的速度慢、劳动强度大、误检率高，而基于机器视觉的产品质量检测方法具有效率高、准确度高等优点[2]。

近年来，国内外学者研究出来了一系列基于机器视觉的产品质量检测方法。石振华等[3]提出一种基于YoloV3的工件缺陷检测方法，针对工件表面缺陷的特点改进YoloV3网络的特征融合方式，提升了算法性能，克服了人工提取特征的局限性，检测精度和速度均满足实际生产要求。代小红等[4]提出一种基于改进RCNN的金属材料缺陷检测算法，采用非极大值抑制算法和多级ROI池化层结构设计算法，消除系统偏差，利用双线性插值法克服像素位置偏移和检测不匹配的问题，缺陷检测准确率达97.36%。马建等[5]研究出一种基于改进的分割网络模型的表面缺陷检测方法，该方法使用最大池化代替大步长的卷积，改变卷积层和池化层，获得更多的工件特征，使得工件表面缺陷检测准确率达99．4%。牛瑶[6]研究了基于R-CNN算法的工件尺寸和缺陷检测方法，实现了对工件尺寸的精准测量和对工件缺陷的目标检测与识别，并且取得了预想的效果。上述四个方案都是基于深度学习的工件缺陷检测方案，需要收集大量数据集进行训练，并且所需的硬件成本高，无法适应小型企业生产要求。……