焊接件生产中,焊点数量多,容易漏焊,造成质量问题。目前焊点数量的检测主要为人工打点,劳动强度大,且容易出错,所以需要一种自动且准确检测焊点数量的装置。本课题以检测焊接件表面焊点数量为主要目标,设计制造1台可以智能检测焊接件表面焊点数量的装备。通过大量的文献调研和焊接缺陷调研,构建了检测设备机械结构及检测系统的整体构架。对装备的图像采集系统中光源的颜色特性和光源照明方式进行了分析,确定使用蓝色光源和正向直射照明方式,随后又对成像系统的相机镜头等光学参数进行研究,确定在检测条件下使用8mm镜头,200mm物距,光圈值为F8时是最优的采集场景。对采集后的图像,进行了灰度化处理研究,并研究了图像噪声、滤波和边缘检测等图像处理算法,重点分析了最小二乘法圆拟合和霍夫圆变换在本课题中对焊点的拟合检测情况,并进行了测试,检测效果很差且误报率和漏报率都会波动。接着研究了深度学习神经网络的目标检测方法,通过了图像中焊接件焊点的检测测试,误报率仅有1.8%,漏报率为0%。最后基于上述检测方法搭建了焊接件焊点视觉检测装备,通过图像采集系统、直线运动单元、控制系统、检测系统等完成整机的装备,并进入工厂生产线进行质量检测工作。