随着现代工业技术的发展,工厂生产规模不断扩大,生产模式也越来越多,生产企业已经将工作的重点从保证数量转移到保证质量上。目前在工业生产领域,工厂对于汽车空调贮液器的表面划痕检测方式依旧停留肉眼识别,这种检测方式费时费力,主观误差较大,为了满足自动化生产模式,提高检测速度和准确度,开展贮液器表面划痕检测系统的研究具有重要的现实意义。为了改变表面划痕检测模式,帮助汽车空调贮液器生产厂家在生产环节能够快速检测出贮液器的表面划痕,减少人力输出,降低误差率,结合总体设计要求,设计了一种基于深度学习的汽车空调贮液器表面划痕的自动检测系统,论文研究的主要内容包括以下几方面:首先,文章分析了传统的目标检测算法和基于深度卷积神经网络的目标检测算法,以及两阶段和单阶段检测算法,通过介绍基于YOLOv3的表面划痕检测模型,引出了数据集建立、采集图片的标注、评价指标选取、网络结构搭建、参数确定等内容。其次,对汽车空调贮液器存在的表面划痕问题进行研究,采取全自动化的检测工艺完成划痕检测,同时分析针对空调贮液器表面划痕进行自动检测设备的功能要求,详细分析了各个分支机构的工作流程。而后,根据汽车空调贮液器表面划痕全自动检测设备的整体结构以及检测流程,设计了下位机控制系统,其功能主要包括:控制汽车空调贮液器表面划痕自动检测设备的硬件、软件和其他模块。在硬件方面,需要完成各种硬件设备的选型以及功能分析,并且基于分析得到的结果进行硬件配置,同时对控制电路的相关设计进行研究。软件方面的相关研究主要集中在PLC程序对下位机的控制,以实现自动划痕检测功能。最后使用VC++6.0平台分析设计汽车空调贮液器表面划痕全自动检测设备的人机控制系统,该系统采用多线程技术,配合下位机实现汽车空调贮液器表面划痕的自动检测。经实验测试,该系统的精确度达到82.3%,召回率达到85.4%,检测速度达到24FPS。本论文的创新点:1.将贮液器生产线中的送料机构和在线检测系统数据有机整合,形成质量追溯系统;2.研发基于深度卷积神经网络的目标检测技术,代替现有检测方法,提高检测精度和检测速度,并使汽车空调贮液器误差检测由抽检变为全检,确保产品质量。