空调是为工业产品生产过程提供环境温度、湿度、洁净度保障的重要设备,也是现代生活中不可缺少的电器设备,需求量越来越大。压缩机滑片作为空调的重要组成部分需要大批量生产,许多小型企业在包装运输时仍采用人工的方式对压缩机滑片进行计数,这种方式效率低、精度差,影响滑片的生产包装速度,因此设计高效的压缩机滑片自动计数系统对提高企业生产效率具有重要意义。针对空调压缩机滑片生产线工件自动计数系统需求,分别研究了基于深度学习和基于机器视觉两种计数方法,并搭建了原理样机进行系统验证,主要工作如下:1)采用深度学习的方法实现滑片计数。首先,采用Res Net50网络作为特征提取网络,引入残差模块有效解决了过拟合问题;其次,对网络的池化层和非极大值抑制算法进行了改进,取消量化操作过程,从而提高检测精度;另外,针对密集粘连问题,引入高斯回归思想,不需要进行图像标注,大幅减少了工作量,经试验在测试集上的平均精度达到了91.97%。2)采用机器视觉技术实现滑片计数。首先对用相机采集的滑片图像进行滤波、灰度化等一系列预处理,然后通过thin、自适应阈值分割等算法进一步提高图像质量,增强滑片的可辨析度,最后通过Qt编写的界面显示计数结果,经试验对排列整齐的滑片计数精度达到了99%。3)搭建自动计数系统原理样机。对相机、传感器等硬件进行选型,利用PLC模拟生产线控制,当位置传感器检测到滑片周转箱运动到位时,工业相机采集图像进行处理和分析,并将结果送显。验证了两种方式都可以对滑片进行准确计数,能够大幅提高滑片在包装、运输过程中的计数效率,有助于滑片生产线装备升级和工艺改进。图35幅;表2个;参44篇。