具有高反光弧面的金属产品广泛应用于各行各业。由于高反光弧面强镜面反射特性及弧面视角遮挡,基于视觉的表面缺陷检测存在困难。本文针对具有高反光弧面的管材产品,设计基于流水线的表面缺陷检测系统,并提出了多种基于视觉分析的检测方法及比较分析。本文具体研究内容如下:1.首先,分析了高反光弧面对缺陷检测的不利影响,为解决上述对缺陷检测的不利影响,本文分析了基于固定多视角方式设计的高反光弧面缺陷检测系统优缺点,并确定以基于待测工件自转方式设计了一个高反光弧面缺陷检测系统。然后,分析并确定了相机以及光源的类型以及光照强度对高反光弧面缺陷特征的影响,并确定最佳光照强度。最后,讨论并最终确定了光照、相机以及待测工件三者之间最合适的角度,完成缺陷检测系统设计。2.讨论了多种针对高反光管材的降噪方法,最终确定使用双边滤波作为本文图像降噪处理的方法。然后详细介绍了基于边缘检测图像分割以及基于阈值分割的实现原理,并通过实验确定采用基于固定阈值图像分割方法获取缺陷特征。然后提取特征轮廓,根据特征轮廓设计了基于最小外接矩形模板匹配缺陷检测方法以及基于生成模板匹配的缺陷检测方法。两种算法均有优缺点,第一种算法设计简单、计算快,但检测精度较低,不能够对缺陷定位;第二种算法设计复杂,计算量较大,然而识别精度高,能够对缺陷处进行定位。3.介绍了卷积神经网络的基础理论知识,然后通过对各类激活函数以及优化算法进行分析,确定采用Relu函数作为网络模型激活函数以及Adam优化算法作为网络模型优化器。然后详细叙述了VGG-16、Res Net-18、Dense Net-121的网络结构及各自特点,然后提出了基于VGG-16改进的网络模型S-VGG。本文通过相机拍摄以及网络收集了关于高反光管材表面六类缺陷图像共3003张,之后通过实验,确定了网络中batch-size以及epoch的大小。使用未参与训练的图像300张对VGG-16、Res Net-18、Dense Net-121以及S-VGG进行分类性能测试,通过混淆矩阵等评价指标得出,S-VGG的F1值为94.06%,m AP为93.75%,整体检测精度为98.11%,均优于其他三类模型。