当前,手机类3C产品市场竞争日益加剧,产品零件复杂化和精度不断提高,促使3C厂商面临更快的产品更迭周期、更高效能的生产制造能力、更高品质的产品质量控制。本文针对A企业的实际生产模式,研究面向机群式制造成品的柔性视觉检测系统,采取深度学习、图像处理等技术开发一套性价比高,适合A企业高端产线运作的质量在线柔性视觉检测系统,实现多品种多系列手机金属零部件制造成品在线实时图像采集、目标检测与尺寸精度测量。特别是目标检测负责不同成品分类并构建与各自钻攻中心编机号互联,使相关测量结果形成映射机制和质量反馈机制,适时修改机加工参数或更换刀具等,避免生产误差因素,确保稳定的产能与制造质量,达到控制企业生产总成本的目的。主要完成的研究工作如下:(1)确定机器视觉系统光学硬件的选型及搭建方案,设计手机金属零部件从机加工完成后到图像采集平台的输送单元的运控控制方案,开发柔性视觉检测系统上位机,包括运动控制系统、图像采集系统、目标检测系统、形位尺寸测量系统;(2)采用Memobus-RTU协议,组建总线网络,对其配置,实现系统的四轴运动平台的精确联动和通信控制,以及质量反馈机制的互联,并进行生产现场调试;(3)针对一定规模的机群式数控加工中心多品种生产模式,对比传统目标检测灵活性差、开发周期长等的弊端,通过标注图像,数据增广,制作数据集,调整网络的结构和参数,基于开源框架caffe训练模型,多样品实验验证分析等,实现基于深度学习的轻量级深度卷积神经网络MobileNets-SSD网络的不同品种目标识别,以及制成品映射加工中心的编号识别,并对比其他基网络模型实验验证该方法的实时性效果;(4)针对手机金属零部件的形位尺寸测量需求搭建实验平台,基于VS2015C++/QT和OPENCV3.4开发测量软件和标定系统精度,并针对被测位置的直线度、圆度等形位公差要求,通过不同样品进行多组实验工作。采用梯度方向高斯曲线拟合亚像素定位法细分边缘和最小二乘法拟合直线以及圆,通过直线间距离公式以及面积计算等反推直线及圆的相关尺寸,并与人工测量结果比较进行数据统计分析。