在汽车制造领域,车灯制作过程中常用的聚碳酸酯(Polycarbonate,PC)材料由于其耐温和硬度性能不佳,PC材质的车灯常常会受到剐蹭、变黄的问题影响而导致照明效果减弱,从而影响驾驶人的人身安全。于是在车灯出厂前,往往会在车灯表面喷涂一层硬化油漆,来提高照明性能。而针对车灯工件批量少、种类繁多的特点,传统喷涂方法已经满足不了生产者对喷涂效率的追求。为了解决这个生产问题,本课题在国家自然科学基金项目(61503162,51505193)和江苏省自然科学基金项目(BK20150473)的支持下,以与江苏泰姆仕机器人科技有限公司的合作项目“车灯自动化喷涂”为平台,设计了一套基于机器视觉的车灯分类自动喷涂系统。本文工作主要如下:1.针对车灯工件的特点,设计了基于机器视觉的车灯分类自动喷涂系统的总体方案,将整个自动喷涂系统分为三个模块:传送带系统、视觉系统和喷涂系统。完成了对各个模块包括相机、光源、工业机器人和喷枪等部分的选型,以及喷涂流程的设计。2.针对视觉系统的车灯识别方法进行了研究。首先对车灯数据集的图像预处理方法进行了研究。针对喷涂环境下的噪声影响,研究了车灯图像的降噪方法。针对采集的车灯数据集不足的问题,对图像增强方法进行研究。并通过相机标定确定图像像素坐标和大地坐标的对应关系。选用基于卷积神经网络(Convolutional Neural Network,CNN)的视觉识别方法,提出一种改进的用于车灯识别的Faster R-CNN网络模型,通过在TensorFlow框架下实现了对4种不同类型的车灯的分类和定位。3.对于车灯的喷涂轨迹优化方法进行了研究。建立了抛物线涂层厚度累积速率模型,提出了一种基于车灯喷涂的分片算法,以相邻两条轨迹间涂层厚度重叠区域偏离理想厚度的偏差为优化目标,确定相邻两条喷涂路径的宽度和喷涂的速度。针对车灯表面所有喷涂轨迹的优化组合问题,提出了一种基于边缘重组算子的改进粒子群(Particle Swarm Optimization,PSO)算法。最后通过仿真实验验证了算法的可行性。4.设计了一个基于PYQT的人机交互界面,通过对车灯工件的识别和定位确定喷涂的轨迹选择。在Robot Studio平台上完成了对整个自动喷涂系统工作站的布局,针对其中一种类型的车灯,在Robot Studio平台上实现对喷涂轨迹的仿真。仿真验证了整个自动喷涂系统的可行性。