汽车涂胶质量影响着汽车的密封、降噪减振、防水等性能,出于安全问题考虑,其质量必须严格把控。而现有应用较多的人工和离线视觉涂胶检测技术中,后者大都通过参考比对标准涂胶图像或规范涂胶轨迹而完成检测,且检测大多缺少对检测段的全局宽度检测,同时在二维检测中复杂背景图像的准确分割也是研究难点。通过分析精度指标和系统难点,本文提出了检测系统总体设计思路,旨在为课题来源提供一种尽量实时在线、高效准确、无需标准涂胶图像或轨迹进行参照的涂胶质量检测系统,尽可能使得涂胶质量在施胶时就控制在精度要求内,同时针对二维检测时复杂背景分割难问题研究可能的解决方案。本文在结合现有涂胶机器人基础之上,研究了一套基于单目视觉的涂胶质量的在线检测系统,包含采集硬件平台和检测算法,研究包含以下内容:（1）优化硬件平台的图像采集装置。基于涂胶在线检测的需求和涂胶图像采集难点,根据精度要求对相应的硬件进行选型,同时针对涂胶和打磨后工件在采集时易出现的反光等问题进行成像方案设计,通过实验选择效果最好的成像方案,与软件平台通过以太网等连接实现信息读取存储工作,最终完成了硬件平台搭建。（2）设计软件部分的图像处理和涂胶质量检测分析算法。针对采集过程中可能出现的噪声、平台振动、涂胶反光等影响图像质量的问题,选择合适的处理方法对图像先进行处理,为后续检测工作提供更优质量的成像。基于检测工件的特征,从工件纠偏和示教点校正两方面完成涂胶位置度控制方法的设计,再对涂胶连续性和尺寸检测算法进行全新的设计,完成涂胶的质量检测算法。（3）结合U-Net网络模型拓展系统应用场景。针对传统的图像分割方法中二维涂胶检测对于复杂涂胶轨迹、复杂场景下的目标分割效果不佳的问题,引入U-Net网络模型以提高分割效率和系统通用性。为保证在数据集较少时也能得到较为准确的分割效果,以减轻系统拓展后图像采集工作量,采集2组涂胶工件复杂背景图像各30张,经过数据增强到200张,取150张进行训练,验证了该思路可以对复杂的涂胶背景实现良好的分割效果,为之后结合检测算法做好铺垫。研究由成像方案的设计出发,对涂胶位置度、连续性、尺寸三方面进行检测方案设计,之后针对二维检测分割复杂背景难的问题引入U-Net分割模型拓展应用场景。经过500张涂胶图像采集和算法测试后,验证了算法检测速度在130 ms左右,尺寸误差在±0.1mm以内,能有效检测断胶情况,位置度偏离控制在±0.2mm内,基本满足在线检测的需求和精度指标,可根据结果引导机器人进行补胶。