发动机连杆制造的工艺是整体锻造之后再将大头孔分开成连杆体和大头盖,目前先进的加工方式是采用裂解胀断的方式加工。首先加工裂解槽,再使用机械外力将其拉断后装配螺栓。在胀断的过程中,金属颗粒剥离接合面,造成装配螺栓后的轮廓面面积缺损,即为掉渣缺陷;此外还有颗粒部分剥离接合面,并且粘连在接合面上。在装配螺栓的过程中会将颗粒夹在接合面中间,造成夹渣缺陷。此两种缺陷会使得有效受力面积减小,因此需要进行缺陷检测。针对传统人工检测效率低不稳定等问题,本课题设计了胀断连杆缺陷检测系统,提高连杆胀断工序的检测精度和检测效率。具体研究内容如下:首先对连杆缺陷的特点进行分析,结合连杆缺陷的特点,确定总体的解决方案,相机采用工业定焦的平面相机,结构上采用连杆绕中心转动,相机水平面上两坐标移动的采集图像方案,控制系统以PLC进行运动控制,视觉系统使用TX2作为处理器,并且通过计算选择了合适的相机、镜头以及光源等重要硬件。其次,由于夹渣和掉渣缺陷的检测标准、缺陷图像特性都不相同,采用传统的图像处理方式难以检测到夹渣缺陷,因此采用YOLOv4区分夹渣和掉渣缺陷;制作含有掉渣和夹渣缺陷的数据集,并以此进行训练,使用训练后的网络进行缺陷预测,训练后的网络的m AP为94%。接着使用图像处理的方式提取掉渣缺陷并且测量尺寸。由于连杆本身的误差和装夹误差使得每次位置有所变化,因此设计了基于漫水填充的算法的感兴趣区域提取算法,稳定的提取连杆胀断缝的区域;针对连杆表面特征,设计了循环漫水填充算法,以稳定准确的分割缺陷;对于图像分割得到的缺陷区域,对其进行轮廓提取和最小外接矩形的计算,通过相机标定计算其真实尺寸。并且对内孔感兴趣区域提取方式进行了介绍。最后,介绍了试验台和软件系统。在实验台上对缺陷的尺寸测量进行测量。尺寸最大偏差为0.021 mm,并且通过同一缺陷测量多次的方式评估其稳定性,实验得到测量10次之后最大极差为0.0180 mm,较为稳定。