随着“中国制造2025”的提出,智能制造成为我国工业领域的发展趋势,作为智能制造领域的产品缺陷检测技术也得到快速发展,由简单的人工检测转变成先进的机器视觉检测,生产效率和产品质量不断提高,研究机器视觉检测技术对于工业自动化检测具有十分重要的理论意义和实用价值。本课题以突跳式温控器为研究对象,根据温控器实际检测要求,进行温控器产品缺陷检测系统设计,深入研究图像处理和机器学习的相关算法,实现了温控器缺陷的自动化检测,检测结果满足实际检测需求。本课题检测温控器缺陷类型主要包括不同型号产品混装、管脚和绝缘纸的尺寸、绝缘纸平行度以及触点深度不达标。突跳式温控器产品型号识别,主要识别同种产品型号中是否出现错误型号或者混入其他型号产品,以此来判断突跳式温控器产品型号是否合格。针对突跳式温控器金属表面反光、凹凸不平以及压印字符导致产品型号识别率下降等问题,提出基于改进的BP神经网络识别方法,将字符图像的灰度特征、字符分块占空比以及字符八个特征点之间线段总长度作为神经网络输入向量,改进后的网络可以更好的识别相似字符,从而提高整体识别率。本系统首先对图像中产品型号区域进行灰度增强、滤波去噪、二值化等预处理工作,再将字符分割和归一化,最后用改进后的BP神经网络训练实现字符识别,通过工业现场实验表明该方法实现了对温控器型号字符的准确识别,单字符中数字识别率可以达到96.7%,字母识别率可以达到95.5%,整体识别率可以达到95.1%。突跳式温控器的管脚和绝缘纸尺寸检测,主要测量温控器两个管脚是否平齐,两边绝缘纸尺寸是否相同,以此来判断温控器管脚和绝缘纸尺寸是否合格。针对突跳式温控器金属外壳和绝缘纸之间的反光程度不同,采用环形光源与条形光源相结合的照明方式,采集的温控器图像中管脚和绝缘纸之间存在明显的像素差,先用直线扫描法找出两者像素值发生突变的特征点,再记录这些特征点坐标,然后通过这些特征点坐标值计算管脚和绝缘纸的尺寸,实验表明尺寸检测的精度可以达到0.0714mm。本系统采用Hough变换算法检测绝缘纸边缘直线,获取线段两端点坐标,通过两直线同位角是否相等判断绝缘纸是否平行。突跳式温控器触点深度检测,主要测量温控器触点深度是否在1mm范围内,以此判断温控器触点深度是否合格。针对突跳式温控器的触点尺寸微小,难以实现其深度测量的问题,采用线激光三角法,先采集激光条纹图像,再对条纹图像进行滤波、二值化、条纹分割等预处理工作,然后对条纹进行中心离散点提取,采用线性插值法对这些离散点进行拟合,最后通过三角几何关系计算出温控器触点的深度。实验结果表明,线激光三角法测出的触点深度值与激光扫描仪测量值之间的最大偏差为0.0241mm,最大相对误差为5.53%,该测量方法提高了测量效率,节约了检测成本,能够满足突跳式温控器触点深度实时检测的需求。