换向器是直流电机的核心部件之一,在直流电机的运转中发挥关键的作用。目前,换向器的质检主要依靠人工。然而,人工质检存在成本高、效率低以及检测精度有限等问题,使得自动化检测成为企业发展的趋势。机器视觉技术凭借无接触、响应快等优势在工业检测领域具有较好的应用前景。本文基于视觉技术,针对换向器钩上缺陷的检测方法进行探讨和研究,并提出相应的解决方案。主要研究内容如下:针对弯钩表面存在纹理复杂、低对比度缺陷与光照反射不均等现象,本文设计一种基于区域提取的钩面压印缺陷的检测算法。该算法利用本文设计的基于局部灰度对比差异的缺陷增强方法,突出缺陷的特征。然后,结合多尺度邻域的局部动态阈值法与区域自适应扩充法完成对钩面缺陷区域的提取。最后,采用形态学操作和连通域分析计算区域的几何特征,并依据检测指标判断是否为压印缺陷。该算法能较为完整地提取缺陷区域,并且针对钩面压印缺陷的检测可达到96.3%的准确率。对于钩顶轮廓不规则、缺陷样本少且缺陷无明确量化指标等问题,本文设计一种基于几何特征的钩顶压平缺陷检测算法。该算法提取了钩顶轮廓的曲率特征与直线特征。曲率特征由拟合的二次曲线在钩顶轮廓区间内的平均曲率进行表示,直线特征则基于凸包算法、累计概率霍夫变换等方法进行提取。针对缺陷样本数量较少的问题,本文基于大量合格样本采用单类支持向量机法实现对钩顶压平缺陷的检测。该算法在测试集上可达到零漏检和92.4%的查准率,总体准确率为99.8%,且单张样本平均耗时约为10.73ms。根据换向器直钩状态下钩根黑皮与钩内表面掉锡两种缺陷的特征,本文分别设计分割与分类网络。由于钩根黑皮会发生与电木紧靠或与槽口黑皮粘连的情况,缺陷边界难以确定。本文设计了一种改进的U-Net网络实现对钩根黑皮的检测。通过引入残差连接和反池化操作增强模型的性能,并采用金字塔池化模块连接编码器与解码器充分提取特征信息。在测试集上,本文模型可达到84.3%的平均交并比,使得后续检测可达95.5%的准确率。对于钩内表面掉锡缺陷,存在缺陷颜色亮度差异大、过渡边界模糊、区域标签难以制作等问题,本文设计了一种分类网络来完成对钩内表面掉锡缺陷的检测。该模型在浅层部分引入了基于残差连接的Inception模块,以充分提取特征信息。并且采用卷积层和全局平均池化层替代全连接层的方案,以减少参数避免过拟合。根据正负样本的比例设计了加权的交叉熵损失函数。本文模型在两组测试集上总体达到97.5%的准确率,且单张样本平均耗时约为8.57ms。实验表明,本文算法针对钩上缺陷具有良好的检测精度与效率,符合实际生产的检测要求。