汽车表观的质量检验作为汽车生产、运输和销售中的重要流程之一,对汽车整体的销售会产生直接的影响。然而,目前采取的人工目测方式不仅检测效率低而且不利于数据的存储。当前,计算机视觉技术作为新兴的检测技术,为汽车表观的瑕疵检测提供了技术支撑和方向。为了实现智能化的汽车表观瑕疵检测,本文拟构建一套基于计算机视觉的汽车表观瑕疵检测智能系统。本文主要完成工作如下:(1)通过对汽车表观瑕疵检测的系统需求分析,进行硬件平台和软件系统的设计。为实现汽车表观图像的自动化采集,设计系统采集方案;在此基础上,通过分析和选择采集平台所需的组件,完成搭建自动化的汽车表观图像采集平台;结合硬件平台和软件系统需求,进行软件系统相关设计。(2)分析并设计汽车表观图像处理模块。研究多种基于深度学习的目标检测算法并进行对比,选取YOLOv3目标检测算法进行汽车表观的瑕疵检测;采集汽车表观图像,构建算法训练所需的数据集,针对图像噪声问题,分析噪声来源和类型,研究图像去噪算法;针对采集到的低分辨率汽车表观图像,为了放大到算法训练所需的尺寸,提出一种稳健图像处理算法,即基于矩阵回归的图像超分辨率算法,改善图像超分辨的重建效果;由于采集条件有限,为了提高算法模型的泛化能力,研究数据增强技术,实现汽车表观图像的扩增;利用本文采用的智能检测算法对汽车表观瑕疵检测模型进行训练。(3)实现汽车表观瑕疵检测系统硬件平台的搭建和软件系统功能的交互。通过模型测试分析,本文算法模型检测准确度达到91.07%,满足系统需求;开发实现系统检测界面,集成硬件采集平台和图像处理算法,实现系统瑕疵检测、数据存储和查询功能,保证汽车表观的瑕疵检测智能系统的高效、稳定地运行。总之,相对于传统人工检测,本文所研发的汽车表观瑕疵检测系统,不仅有利于提高瑕疵检测效率和精度,而且具备的数据存储和查询功能,为后续责任朔源提供数据支持。