汽车定子和转子是发动机相位调节器中的重要零部件,对生产质量的自动化和智能化监测具有较大的需求和较高的要求。定转子工件的强度和韧性较低,生产与运输过程中,容易在表面产生磕伤、划伤、凸起和缺料等缺陷,同时,其粉末冶金的工艺特性造成了上述缺陷尺寸较小且难以检出。相比于半自动化设备配合人工目检的常见方式,基于机器视觉的自动化检测更适用于更新换代快、生产批量小、种类型号多的定转子工件,同时能够节省人力成本,提高检测效率。然而,机器视觉技术在汽车定子和转子表观缺陷检测与识别方面的研究还不够成熟,定转子丰富的表面纹理与复杂的轮廓结构容易造成表面缺陷的过检与漏检。深度学习方法对强纹理干扰下的定转子表面缺陷具有一定的检测能力,但划伤和凸起等微小缺陷的检测识别效果不佳,针对弱对比度和小尺度缺陷的检测识别方法也是当前的研究热点。因此,研究一种针对定转子表观缺陷的识别方法及系统,具有较高的理论研究意义和良好的应用价值。本文将汽车定子和转子的外观检测问题作为研究对象,设计了基于深度学习的定转子表观缺陷识别方法,针对定转子缺陷的图像采集、微小缺陷凹凸性特征的增强、复杂纹理背景下的缺陷检测识别等问题,主要研究工作如下:（1）定转子表观缺陷识别系统总体方案设计。分析了本课题的研究对象及其表观缺陷识别需求,并在此基础上完成了图像采集模块的硬件选型与布局,设计了定转子表观缺陷识别的总体算法流程与软件结构。搭建了灵活便捷的定转子表观图像采集系统,利用触发信号协调系统内部硬件的配合,分别采集正常照明图像与多角度光图像,并采用多线程并行地处理两种类型的图像。（2）多角度光图像采集系统与工件位姿校正方法。定转子产品周期短的特点更适合采用灵活便携的桌面式检测装置,但这种装置依赖人工给出的开始检测信号。针对手动触发繁琐且低效的问题,设计了基于帧差法和特征矩的图像动态采集算法,利用连续图像间的灰度变化和定转子轮廓的Hu矩特征,找到相机视野中存在稳定待测目标的时机,进而自动触发图像采集与后续处理。手工置入的定转子工件具有随机的位置坐标与摆放角度,增加了检测识别时的模式类型和复杂度,为此设计了基于表面孔洞特征的匹配定位算法,先利用定转子的中心孔定位工件,再使用工艺孔洞匹配工件的旋转角度,通过仿射变换完成定转子的位姿校正。（3）基于改进光度立体的微小缺陷增强方法。微小的划伤和凸起是质地较软的定转子工件容易出现的表面缺陷,仅使用二维图像无法有效处理,因此,采用光度立体方法重构出表面高度信息,增强缺陷的凹凸性特征。经典光度立体方法需要平行光均匀入射且朗伯反射的理想条件,针对定转子场景无法提供上述理想条件的问题,提出了改进的光度立体方法。首先针对近场光源不符合光强均匀和光线平行入射的情况,采用高光球和反射板建立近场光源模型,校正光强和光线方向的影响;其次针对金属表面非朗伯反射的情况,采用导向滤波和Retinex提取图像中的漫反射分量,提高了表面法向量的计算精度。充分利用硬件布局与光源方位的先验知识加快光度立体方法的处理速度。（4）基于改进RCF模型的表面缺陷识别方法。针对定转子表面复杂加工纹理、多变轮廓、尺度变化缺陷导致的识别误差问题,提出一种基于改进深度学习模型的表面缺陷识别方法。RCF模型能够逐像素提取复杂环境和低对比度的目标轮廓,在识别复杂纹理和轮廓上的缺陷方面具有较大潜力。针对RCF模型无法良好地处理定转子缺陷的多尺度问题,在模型的主干网络中构建金字塔式的特征提取结构,提取多尺度多层次的特征信息;针对RCF模型提取出的缺陷区域粗犷的问题,使用跳层连接实现浅层精确位置信息与深层丰富语义特征的融合,同时使用注意力机制充分综合中间输出,形成更好的最终结果;针对定转子缺陷面积较小导致的样本像素数量不均的问题,优化了损失函数,使无缺陷样本也能够提升模型的训练效果。在定转子表面缺陷识别方法研究的基础上,利用集成开发环境设计了定转子表观缺陷识别系统的操控软件,主要包含自动检测模块、示教模块、检测设置模块、数据管理模块和用户管理模块。利用现场实际场景下的数据进行分析验证,测试了本文方法的整体运行效率和各流程的耗时,结果表明本文方法的运行效率满足实际应用的需要;对不合格工件上识别出的缺陷数量及其类型进行了统计与分析,结果表明本文方法对缺陷的整体识别精度和召回率分别为96.87%和92.25%,本文研究的基于深度学习的定转子表观缺陷识别方法能够有效识别定转子表面的微小缺陷。