汽车水箱是汽车发动机冷却系统的重要零部件之一,保证其质量至关重要。管带式水箱的芯体是由各零部件装配成型后经钎焊而成,芯体在前期装配的过程中可能会因某些因素,经钎焊工序会产生未焊住、未焊牢等缺陷,严重影响水箱的钎焊质量。目前,主要依靠人眼进行水箱钎焊质量检验,但人工方法效率低,准确率不高,为了更加高效、准确地检测出缺陷,达到钎焊质量检验自动化的目的,本文提出了基于机器视觉的汽车水箱钎焊表面缺陷检测方法。论文根据汽车水箱表面缺陷的特点与检测技术指标,选择了合适的软硬件。针对因主片与冷却管配合尺寸有误差而造成的较为典型的缺陷,采用了经典的机器视觉方法。先对图像进行预处理操作;采用基于八邻域连通域的区域生长算法查找所有的连通域坐标信息;在缺陷提取的过程中发现有部分干扰在图像边界处,为了剔除干扰,本文在区域生长算法的基础上提出了改进,清除边界干扰只保留钎缝区域;根据缺陷形状和缺陷像素个数大小从钎缝区域连通域中提取并识别缺陷。由于研究的过程中出现了因压装造成的管边塌陷而形成的形状差异较大的表面缺陷,经典的机器视觉方法对这类缺陷识别检出率较低,且通用性较差,因此本文尝试使用基于Faster-RCNN的水箱钎焊缺陷检测算法。先制作汽车水箱数据集,将VGG16预训练模型迁移到目标检测网络中,然后构建Faster-RCNN网络,通过改变网络模型参数进行模型训练与测试,根据训练损失收敛和测试性能指标验证该方法很好地实现了缺陷的识别和定位。实验结果表明,采用改进的八邻域连通域分析方法可以快速且准确地识别出典型缺陷,识别准确率达90%。为了进一步提高准确率,识别管边塌陷缺陷,本文使用了Faster-RCNN网络模型。该模型适应性强,其在抗干扰和准确性上表现良好,而且可以识别各形状缺陷,缺陷检测的识别准确率达95%,平均每张图片的检测时间为0.375s,对促进汽车水箱钎焊质量检验自动化发展有一定的实际意义。