朱立忠，李肖静，李文欣

(沈阳理工大学 a.自动化与电气工程学院；b.信息科学与工程学院，沈阳 110159)

沈阳某汽车零部件有限公司在生产过程中由人工涂胶转为机器涂胶后，主要靠人工来检测汽车涂胶的质量，工作效率低且浪费胶料。为提高检测自动化水平，机器视觉检测技术被引入生产流程。在汽车车身零件生产涂胶过程中，由于生产设备和环境扰动等因素，胶条可能会产生断涂、漏涂、过宽或过窄等缺陷，使得零器件粘合的紧固性和密封性受到影响，引起粘合失效，严重时可能会在汽车驾驶过程中车门出现故障，导致人身安全受到威胁，故在粘合工序之前必须精确检测出胶条缺陷并予以剔除。因此，如何精确检测出某条件下的缺陷情况成为需要重点解决的难题。

针对工业图像缺陷检测，诸多该领域内的学者提出了各种识别检测方法，现阶段主要以传统机器视觉算法为主实现缺陷检测。

孙鸽等[1]利用霍夫变换来区分正反图像，通过仿射变换来矫正歪斜图像裁剪出感兴趣区域(Region of Interest，ROI)，最后结合Blob分析法提高检测精度。任秉银等[2]提出了一种针对微小目标缺陷检测来提升准确率的方法，该方法在分类网络的基础上融合了Attention U-Net，实验表明该方法能够在微小目标分割问题中广泛应用。朱立忠等[3]提出了一种基于支持向量机(Support Vector Machines，SVM)的汽车涂胶图像缺陷检测方法，主要利用模式匹配来进行识别，为了优化分类性能采取了多核函数来提高检测准确率。……