随着机器人技术的发展和成熟,汽车制造业成为工业机器人的主要应用领域之一。玻璃涂胶作为汽车生产的重要流程之一,胶条的好坏直接决定着汽车的质量和乘客的乘车体验。本文针对传统人工胶条检测精度不高和视觉离线检测效率比较低等缺点,提出了一种基于机器视觉的汽车玻璃涂胶质量检测方法,以解决汽车涂胶过程中漏涂、胶线过窄或过宽等问题,实现生产的智能化。本文完成的主要工作如下:首先,本文根据实际需求确定了涂胶检测系统的整体设计方案,根据技术指标确定了涂胶检测系统中各装置和设备的选型,构建了基于机器视觉的汽车玻璃涂胶质量检测系统硬件平台。其次,针对生产环境中采集的胶条图像设计了一类图像处理算法。根据胶条所处的环境和位置,采用中值滤波进行图像平滑、迭代法进行阈值分割;根据系统精度和实时性的要求,基于插值亚像素边缘检测算法获取图像的轮廓,利用Ramer轮廓分割算法获取胶条的轮廓,提出基于最小二乘原理的胶条截面直径测量方法。然后,针对在实际检测中涂胶轨迹无法给出任意一点处相机标定结果数据的问题,提出了一种基于WT-OSELM算法的标定结果数据库模型。该模型能够克服BP神经网络模型训练速度较慢、ELM神经网络模型无法在线学习、OSELM网络参数之间依赖性强等诸多缺点,不仅具有在线学习,运行速度快等优势,而且可以预测任意位置的标定数值,实现胶条的准确检测。最后,设计了涂胶检测软件系统,实现了光源控制、图像采集、处理与分析等功能。在检测平台上对设计的涂胶系统进行验证,实验结果表明所设计的图像处理算法具有准确率高、精度高、实时性好等优势,提出的基于WT-OSELM算法的标定结果数据库模型具有高精度的预测效果,满足项目的具体指标要求。因此,本文所设计的基于机器视觉的汽车玻璃涂胶质量检测系统达到预期的效果,可应用在汽车玻璃涂胶质量检测过程中,提高汽车行业生产效率。