阀板是汽车空调压缩机中的重要组成零件之一,其在生产过程中所产生的表面缺陷会严重影响压缩机的正常工作。目前国内的阀板缺陷检测主要以人力为主,但因工作量大、检测速度较低、人眼易疲劳等问题,不仅限制阀板零件的产出还会造成零件缺陷的误判,影响后续的使用。随着人工智能、智能制造等领域的发展,机器视觉检测技术在工业生产中得到了广泛的应用,采用机器视觉代替人眼进行检测可以有效的提高缺陷检测效率及准确率。为此,本课题以机器视觉技术为基础,研究设计了一套针对阀板缺陷的自动化视觉检测系统,主要研究工作如下:1、分析了阀板加工过程及缺陷形成原因,根据阀板的各类缺陷特征及分布特点将缺陷分类为压坑、缺肉、磨边等主要缺陷,后续经过各类缺陷分析分别设计检测算法。2、为了在采集图像时能更清晰的显示阀板图像的缺陷特征,采用了两套打光方式。一种是使用平面光源打光,主要用于检测压坑及缺肉等在平面光下缺陷特征明显的缺陷;一种是使用有向光源打光,阀板的磨边缺陷特征因在平面光下不够显著,采用有向光可以突出磨边缺陷这类特征,易于后续检测。3、研究了阀板零件压坑缺陷检测方法。在平面光下采集图像,通过缺陷分析得到压坑缺陷特征的筛选条件,使用传统的图像处理方法即可提取压坑的缺陷特征,因压坑缺陷轮廓的面积、最小外接矩形长宽比等特征与阀板正常圆孔不同,故采用轮廓的面积及最小外接矩形长宽比特征作为条件筛选零件的压坑缺陷。4、研究了阀板零件缺肉缺陷检测方法。在平面光下采集可以得到零件边缘清晰的图像,将阀板零件的边缘轮廓分为三类即最外侧边缘、最内侧边缘以及中间层圆形通孔边缘,使用传统的图像处理方法分别计算各类边缘轮廓的凸包及凸缺陷,根据轮廓的凸缺陷特征作为条件筛选阀板零件的缺肉缺陷。5、研究了阀板零件磨边缺陷检测方法。在有向光下进行图像采集可以突出磨边缺陷区域。因阀板表面存在非缺陷的加工刀纹,且该刀纹在部分有向光下会反光,导致正常的阀板零件图像也会存在类似磨边缺陷的异常区域,使用传统的图像处理方法难以区分磨边缺陷和正常反光区域。本文采用了一种基于YOLOV5S神经网络的目标检测方法来检测磨边缺陷,在自建的数据集下进行深度学习模型训练,该模型能够快速及准确的识别出磨边缺陷。6、设计了一套阀板缺陷检测实验系统,该系统分为硬件和软件两部分。硬件包含计算机、单片机、工业相机、传送带、暗箱和光源等主要部分。软件则分为上位机软件和下位机程序,上位机软件使用C++编程语言,VS2017作为开发环境,MFC框架做人机界面设计,以Open CV作为图像处理算法的基础库,软件运行在windows计算机上;下位机程序同样使用C++编程语言,以Arduino IDE作为开发环境,程序运行在Arduino UNO开发板上。实验结果表明,该系统能准确快速的检测出压坑、缺肉及磨边等主要缺陷,满足工厂的检测要求,并且本系统中使用的检测算法具有极高的实用价值。