目前柴油机气缸盖的合格性检测需要在机加工之后进行气流测试才能够实现,若此时检测不合格则需要回炉重铸,造成了时间及成本上的很大损失,针对此问题本文开发了基于神经网络的柴油机气缸盖毛坯的模糊识别系统,在缸盖进入机加工环节之前对其进行测试,判断其合格性。系统主要包括两个模块,第一个模块为三维数据采集模块,用线结构光方案对缸盖的气道孔边缘点进行三维数据采集,然后将点云拟合,计算出气道孔径的形貌信息;第二个模块为神经网络模块,建立神经网络并利用采集到的三维数据对其进行训练,进而对缸盖毛坯模糊识别,判断其合格性。本文的研究内容主要包括以下几个方面:1.搭建三维数据采集模块所需的硬件环境,着重解决了包括各组件的选择、摆放以及连接通信等问题,并加入了以单片机为中介的光源控制模块。2.创建系统运行所需的软件环境。以MFC单文档模式为主框架,加入OPENCV视觉库,并根据相机及电机控制器提供的函数编写本系统所需的驱动程序及调节操作接口;针对几种不同的图像显示及处理方式之间的矛盾性的问题,提出了适用于本系统的图像处理方式;设计标定及三维扫描的具体操作流程,根据算法对各模块的参数设置及操作方式进行了合理的选择。3.建立了神经网络模块,以三维数据采集模块计算得到数据作为神经网络的输入,以缸盖合格性作为神经网络的输出,根据系统需求选择了适当的算法并设置了网络参数,最后对网络进行了训练及测试。