由于飞机整机结构复杂,在飞机装配过程中所涉及的各类设备成品、附件及零组件数量众多,在整机各系统安装到位后,因为排故、改装、替换模型件等原因会对部分附件、零组件进行拆除,因此在对其进行恢复安装后,需按照装配操作规程进行细致检查。因此,通过引入图像识别与机器学习相结合的技术,研究对装配过程进行智能检测的方法,有助于回避当前依赖人力进行舱内检查的弊端,最大限度地排除质量隐患。本文首先对飞机部件装配场景进行现场调研,结合飞机部件装配场景对装配状态检查的要求,采用基于机器视觉、图像处理等方法,对装配过程中出现的错装漏装及多余物进行分析,并依据此方法结合相关硬件进行装配状态检测硬件及软件系统的搭建首先,针对现阶段的背景,进行相关技术的研究;研究内容包括机器人控制技术、深度学习、数字图像处理方法、增强现实及检测流程。其次,根据场景需求确定了硬件系统的设计及软件的主要开发语言,硬件系统包括工业机器人、工业相机、投影系统、光源、镜头的选型,及相关框架配件的设计制造,总体硬件系统平台满足现场检测实际的需求。软件系统采用python作为主要开发语言,结合第三方算法功能包实现检测系统的软件平台。最后,本文在实验室搭建了一套装配状态检测的实验样机,并在样机上进行了相应系统的开发,并根据模拟场景对关键功能进行了有效性验证。飞机部件装配状态智能检测系统,能够对飞机装配场景中出现的错装、漏装及多余物等典型质量问题进行检测,并结合基于投影的增强现实系统实现对操作人员的指导。