摘要:针对医用透明方杯人工检测效率与精确率低、对产品有磨损的问题，引入视觉检测技术，结合图像处理与深度学习，设计开发一种医用透明方杯位姿与缺陷检测系统。针对方杯位姿检测，首先，通过基于改进动态阈值准确分割方杯图像边缘区域。然后，改进Canny算法的高低阈值设计，检测出更多细微幅值差别的边缘，设定共线边缘合并的阈值条件，进而拟合得到两边缘直线，基于两边缘计算出虚拟中轴线。最后，通过最小外接矩形粗定位中心，粗定位点到轴线的垂足作为方杯精定位坐标，根据仿射变换将方杯图像矫正到参考位姿。缺陷检测方面，对图像局部缺陷进行灰度拼接，构建3种缺陷类间均衡的图像数据集。基于SqueezeNet、Inception-V3与ResNet-50三种神经网络迁移学习训练后，综合评估发现SqueezeNet模型的性能表现最优，在测试集平均精度达98.6%，识别精确率和召回率分别达99.8%与98.8%。实验验证结果表明对单张图像位姿与缺陷检测速度分别为770.5 ms与553.1 ms，改进后位姿检测精度更高，检测缺陷准确率达到94%，具有良好的实时性与稳定性，可满足检测要求。该研究可为医用透明方杯的位姿与缺陷检测提供技术支持。