为了提高口罩生产质量,本文将对机器视觉技术和深度学习技术在口罩缺陷检测环节进行应用研究。本文将针对口罩的尺寸测量和外观的缺陷检测环节,开发一套基于机器视觉的口罩缺陷检测系统。本文提出了一种基于最小外接矩形定位口罩的方法,该方法先通过图像平滑和二值化对图像进行预处理,根据图像灰度特征来分割整个口罩与背景,对口罩进行轮廓提取,筛选出耳绳轮廓,使用最小外接矩形对口罩耳绳和无纺布区域进行分割,再通过最小外接矩形定位口罩无纺布区域。在对耳绳长度测量中,本文将分割处理后的耳绳进行细化,对比了Hilditch细化算法、Rosenfeld细化算法、Zhang细化算法以及形态学腐蚀与开运算四种细化算法细化耳绳的效果,实验表明Rosenfeld细化算法效果更好,更适合后续测量。使用一次扫描法和链码跟踪法对耳绳进行测量,对比两种算法的测量精度和运算时间。实验验证,一次扫描法在精度和运算时间上都比链码跟踪法更有优势,最终使用一次扫描法测量耳绳的长度,利用最小外接矩形测量无纺布区域的长宽。对于口罩表面缺陷检测,本文提出一种基于Mobile Net-V3的口罩缺陷检测方法,根据实际缺陷类型以及数据集的情况,选用轻量化网络模型结合迁移学习对口罩缺陷进行分类训练,最终得到准确率高且稳定的模型,用于预测口罩缺陷的类型。实验证明,轻量化网络Mobile Net-V3对比非轻量化的VGG16以及Res Net50网络准确率和损失函数值相差非常小,但是预测速度方面前者比后两者更快,更有优势。最后,本文使用VS2017集成开发环境,结合Qt框架以及视觉开源库Open CV和深度学习框架Libtorch,用C++语言开发了一套集口罩尺寸测量和表面缺陷检测一体的系统软件。通过上述实验验证,该系统对于耳绳自然摆放的口罩定位准确,并且定位速度快,算法复杂度低,耳绳和无纺布区域尺寸测量精度对比真实尺寸的误差均在0.5mm内,缺陷检测的准确率达到97%。