机器视觉技术是智能制造装备涉及关键技术之一,广泛应用于精密制造生产线、在线产品质量检测等多个领域的智能制造装备中。本论文以“基于在线语义分割机器视觉检测鉴别关键技术研究与应用”为题,面向在线机器视觉检测鉴别,重点研究在线复杂背景语义分割方法、语义分割模型自动深度学习方法、多任务并行调度方法等关键技术问题,对于提高机器视觉检测技术及装备水平,具有重要学术价值与实际意义。论文从在线机器视觉检测鉴别的准确性、实时性出发,论述深度学习语义分割方法、自动机器学习方法、多任务调度方法等方面国内外研究进展,确定研究内容。论文主要工作包括:（1）基于在线语义分割机器视觉检测鉴别技术总体架构设计。从在线机器视觉检测鉴别的准确性、实时性需求出发,建立基于在线语义分割机器视觉检测鉴别技术总体架构、检测流程,主要指标包括平均交并比IoU、平均精度APIoUT等准确性指标,以及分割时间Tseg、训练时间Ttrain等实时性指标。分析指出整体构架关键技术,主要包括在线机器视觉语义分割、自动深度学习、多任务调度等,其中在线复杂背景语义分割方法有助于提高IoU、APIoUT准确性指标、降低分割时间Tseg,自动深度学习方法有利于降低训练时间Ttrain,多任务调度方法有利于减小各种检测任务下总分割时间Tseg。（2）面向机器视觉检测鉴别的在线复杂背景语义分割方法研究。深入研究基于多孔卷积架构网络模型轻量化优化、基于编-解码器架构网络的复杂背景语义分割、全卷积网络特征映射复用等关键技术,较好解决网络语义分割能力-计算开销、对象部件语义响应值-语义互斥关系、网络语义分割准确度-特征复用程度等矛盾,改进语义分割模型具有准确性评价指标IoU、APIoUT好,分割时间Tseg佳特点,方便在线机器视觉检测应用。（3）面向语义分割机器视觉检测鉴别的自动深度学习方法研究。系统研究机器视觉语义分割迁移学习技术、超参数优化配置与快速验证技术等,分别解决最大程度训练网络初始损失降低方法、收敛稳定性-计算开销等矛盾。提出兼具迁移学习、超参数优化的机器视觉检测自动深度学习方法,方法具有较少训练代数Ntrain、较高准确性APIoUT特点,便于检测部件、特征经常变化的检测环境应用。（4）面向在线语义分割机器视觉检测鉴别的多任务调度方法研究。建立面向在线语义分割机器视觉检测鉴别的多任务调度模块技术框架,系统研究高分辨率图像分块调度、多网络多图像分批调度、检测鉴别协同调度等关键技术,较好解决硬件使用率-峰值存储开销、预加载网络存储开销-GPU平均使用率、调度求解时间-调度优化时间等矛盾。使系统在高分辨率图像、多网络多图像、复杂检测鉴别等情况下,均具有总分割时间Tseg短特点,提高机器视觉检测实时性能。（5）在线复杂背景语义分割机器视觉检测鉴别应用实验研究。在实际应用需求中验证本文理论与方法功能、准确性、实时性等。在AK8银行票据防伪鉴别仪初步应用表明,应用本文方法的鉴别仪具有银行票据防伪特征类型、位置、形状的半监督学习功能,能胜任票据防伪鉴别需求的各项防伪信息鉴别准确率100%、票据鉴别时间≤1s;在MVAQ-2机箱标准件装配质量检测系统应用结果表明,系统具有不同装配件类型、位置、形状的半监督学习功能,能胜任机箱标准件装配质量检测需求实现各种标准件安装、漏装、误装情况检测,单个机箱的检测时间不超过5.3s,准确率达到100%,新机箱学习时间不超过20.2min;在DAE驾驶辅助评判系统初步应用表明,系统可根据考试过程中操作行为评定考核是否合格,满足驾驶辅助评判应用需求,控制器档位、操纵行为等核心功能识别准确率分别为Pgear=100%、Poperation=98.3%,考试总时间误差ΔTDAE、换挡操作时刻误差Δ Tforklift、转弯操作时刻误差ΔTturn不超过±0.31 0s。