注塑制品具有易于成型、化学性能稳定等特点,广泛应用于医学领域。但注塑制品受模具结构、不同材质、成型工艺多方面因素影响,易出现翘曲、划痕、麻点、应力痕等缺陷,因此在生产过程中有必要对医用注塑制品进行缺陷检测。本文针对医用塑制暖血器依赖人工检测现状,以“医用塑制暖血器集成化在线检测技术研究”为题,研究基于机器视觉的在线检测技术,提高产品的正次品检测准确率及企业实际生产检测效率。论文研究集成化视觉在线检测平台技术,从集成化平台、视觉检测、在线检测三个方面,展开论述医用塑制暖血器综合测试平台相关内容,论文主要内容如下:(1)根据暖血器生产工序及检测标准制定任务需求,设计与暖血器螺帽安装及漏气测试设备相契合的视觉检测系统模块及框架,结合测试平台预留工位尺寸分析视觉检测各部分模块,针对人工检测需接触紫外线光源的问题,分析视觉检测平台的关键技术。(2)研究和设计暖血器视觉检测硬件系统。根据暖血器侧表面反射率较低,选用改焊后的紫外投影灯前景照明、UV灯条为光源,引入标定点区分暖血器前后两面,结合企业实际生产检测标准,搭建视觉检测模块硬件系统,配合漏气测试节拍采集原始图像。(3)研究暖血器外观检测图像处理流程。根据尺寸检测和缺陷检测任务,制定图像处理流程,通过比较不同滤波算子突显目标特征效果,选用卷积核高亮算子增强图像特征。通过阈值分割处理提取目标,并改进最大类间方差法,实验结果表明该改进能够使阈值分割算法运算时间提升。运用形态学处理剔除无关像素,获取暖血器侧面涂胶区域缺陷轮廓特征。采用颗粒分析法划分连通区域分布区间,初步完成缺陷分类。(4)研究基于卷积神经网络的缺陷分类器模型。针对传统颗粒分析法容易误判黑点、气泡等细小缺陷样品,选取Google Net和Alex Net两类经典网络结构,结合暖血器缺陷图像特征,合理设计分类器的层数及参数,进一步提高缺陷分类的正确率。经实验对比,基于Google Net模型的缺陷分类器效果良好,对正品、黑点、气泡、脏污、缺胶、裂痕产品的识别率分别为:98.10%、97.84%、98.66%、97.40%、100%、98.78%。(5)研究暖血器外观检测系统软件系统。基于Lab VIEW和NI Vision Assistant视觉模块、Tensor Flow平台,开发暖血器外观检测软件系统,将所测数据有序存储于My SQL数据库中,并展示于Navicat for My SQL界面,便于后续查询、复盘。经实验表明,该集成化视觉检测系统尺寸检测精度达到0.1mm,整体缺陷分类准确率达99.50%。