咖啡胶囊的生产主要由咖啡胶囊预制以及咖啡胶囊的填充封装两个部分组成,咖啡胶囊底部铝箔焊接作为咖啡胶囊预制生产过程中的一个关键工序,铝箔焊接质量的好坏直接影响咖啡胶囊制品的质量。为了进一步实现咖啡胶囊生产的自动化,本论文在咖啡胶囊底部铝箔焊接设备设计的基础上,利用机器视觉及深度学习技术研究了咖啡胶囊铝箔焊接质量及表面缺陷检测方法。首先根据咖啡胶囊底部铝箔焊接的功能需求,完成了咖啡胶囊底部铝箔焊接设备的整体结构设计,及其质量检测系统的设计与选型。通过分析所设计的焊接设备在实际生产中可能出现的问题,对设计的焊接设备中传动系统进行结构优化。利用运动学仿真以及刚柔耦合分析对优化后的传动系统进行研究,通过仿真结果验证了优化方案的可行性。其次通过对铝箔焊接质量检测的需求分析,确定了铝箔与杯体同心度、焊环宽度、铝箔大小以及压焊比例这四个影响铝箔焊接质量的关键参数。利用机器视觉技术,研究了四个铝箔焊接质量参数的检测方法,并设计了用于检测各个参数的图像处理算法。通过将检测数据与实际数据对比,验证了该铝箔焊接质量检测方法的有效性。最后针对当前铝箔焊接制品表面缺陷检测算法准确率低、需手动提取特征等缺点,提出了基于深度学习的铝箔焊接制品表面缺陷的检测方法。以正常、脏污、褶皱、划痕以及破损这五种铝箔焊接制品图像作为研究对象,搭建、优化并训练了用于铝箔缺陷识别分类的卷积神经网络,通过实验验证该检测方法的检测效果。实验结果表明,该方法对于铝箔表面缺陷识别准确率达到99.5%,单张图像检测时间不大于0.8s,能够满足实际生产中咖啡胶囊底部铝箔焊接制品对于缺陷自动化检测的要求。