当今社会人们对商品包装质量越来越敏感,乳液泵盖作为洗液产品容器的重要组成成分,在产品注塑生产及搬运过程中可能产生表面污渍、缺胶、划痕、毛刺和摩擦纹变形等问题,因此产品表面缺陷检测环节越来越受生产厂家的重视。本文针对乳液泵盖的不同表面的特点和检测要求,搭建视觉检测实验平台,设计机器视觉软件算法,设置三个检测工位分别对泵盖底面、侧面和顶面3个方向进行检测,本论文的主要工作内容如下:1、搭建乳液泵盖缺陷检测实验平台,根据泵盖外观、尺寸、颜色、视野范围和检测精度等因素选取工业相机、镜头和光源型号。2、分析泵盖底面图像特点,使用图像处理技术对图像进行缺陷检测。先对图像进行预处理操作,再用边缘提取、形态学和漫水填充等方法进行图像定位,分析泵盖底面毛刺、划痕、缺胶和污渍4种缺陷灰度、形状和位置特征,分别使用不同图像处理方法检测各类缺陷。针对泵盖底面的模具印记造成的伪缺陷,先对检测出的污渍缺陷进行轮廓提取,再基于最小二乘法对轮廓进行直线拟合,比较泵盖质心到拟合直线的距离判断伪缺陷位置,将距离最小的直线所对应的伪污渍消除。3、分析侧面不同角度图像特点,通过图像处理技术制作数据集,使用CNN模型进行分类训练。分析4个均匀对称分布的相机所拍摄的侧面图像特点和灰度直方图,先使用图像处理技术对图像进行裁剪、定位、分割和缩放,制作标准数据集。分析Mobilenet＿V2卷积神经网络特点,根据图像尺寸和类别数目等因素自定义基于Mobilenet＿V2的CNN网络模型结构和参数,对标准数据集进行训练与测试,设置early＿stopping参数至训练完成,并与LBP+SVM、基于迁移学习的VGG16模型2种机器学习方法进行比较,最终证明自定义基于Mobilenet＿V2的CNN模型具有更优的判别效果。4、分析泵盖顶面图像特点,根据泵盖形状分析缺陷类型及其存在区域,分析灰度直方图,通过图像处理方法对相应区域进行定位与污渍检测。5、选取一定数量的合格泵盖和带污渍、缺胶、划痕、毛刺和摩擦纹变形等缺陷的不合格泵盖,对泵盖各面进行缺陷检测实验,并对检测结果进行分析。实验结果表明本文检测准确率在95%以上,检测时间大约为63.36ms,满足生产企业的要求。