汽车喷油器阀座是一个往汽车气缸里喷射汽油的装置,对汽车油量控制起着非常重要作用,但因零件较小且易受加工技术限制,在汽车喷油器阀座的生产过程中,不可避免的会在其内部留下划痕、毛刺、锈斑、白点等不同种类疵病,文本将在视觉检测系统中,利用深度检测技术完成喷油器阀座的瑕疵检测。主要研究工作包括:1.视觉检测系统方案研究目前汽车喷油器阀座瑕疵检测仍靠人工手动完成,针对人工检测具有较强依赖性且效果不佳问题,本文将搭建出与工况环境相符的视觉检测系统。首先设计特殊光源、光照方式,完成补光以凸显图像瑕疵特征;然后利用CCD相机、放大镜头、图像采集卡等关键硬件,实现图像的放大与拍摄;接着结合机械臂、振料盘等装置,实现自动上下料操作;最后利用基于深度学习的检测技术,完成阀座瑕疵的检测,结果表明,系统检测精度比人工提高了10%左右。2.数据集的增强与制作针对在汽车喷油器阀座瑕疵检测中,还没有可直接使用的数据集问题,本文构建出一个具有四类瑕疵的汽车喷油器阀座数据集。首先在模型训练前对采集到的数据通过归一化等方式,完成处理;然后通过几何、色彩空间转换等方式实现数据增强,解决由数据不足而引发的过拟合问题;接着进行数据标注,以便更好地用于模型训练;最后把数据集按3:1的比例划分为训练集和测试集。3.汽车喷油器阀座的深度瑕疵模型优化与改进针对汽车喷油器阀座瑕疵检测中由小目标、多尺度、定位不精准而引发的漏检问题,对深度检测算法模型进行优化和改进。首先,在数据准备阶段引入K-means聚类函数,事先选择出合理的宽高比,改变候选框大小和数量,解决小目标、冗余框引发的漏检问题;其次,在目标定位问题上,用交并比损失函数来解决定位不精准问题;最后,引入Inception、Res Net思想对特征网络进行改进,解决检测中的多尺度、特征不明显问题。将改进后的算法模型在喷油器阀座数据集上与原Faster R-CNN模型进行实验对比分析,发现改进后的模型平均精确度可达72.41%,相比原模型精确度提升了近4%,能更好应用于汽车喷油器阀座瑕疵检测。