在我国的锻造行业中,将锻造工艺实现自动化已经十分普遍,而对于进行精加工前的锻造件外观缺陷的检测,国内依然普遍依赖于人工。效率低下、易出现错检、漏检情况,造成产品质量不稳定不一致,极大地阻碍了企业发展。因此,将锻造件缺陷检测自动化是企业发展中需要解决的关键问题,更是推动国内锻造行业发展的重要方面。近年来,随着机器视觉技术和人工智能技术的快速发展,使得锻造件的外观缺陷自动化检测成为可能。本文开发的管接头锻造件外观缺陷检测系统正是基于图像处理算法和深度学习算法,实现了对管接头锻造件的外观缺陷自动化检测,具体研究内容如下:（1）对管接头锻造件的外观缺陷种类进行分析,并依据实际情况对光源和相机等硬件进行选型,搭建光学实验平台,依据实验结果确定对于每种缺陷最合适的光学成像方案。依据所确定的光学成像系统,对管接头锻造件缺陷自动化检测线的机械结构和伺服控制系统进行设计,机械结构上采用了链式输送方式和分割器间歇式回转,可以实现多个检测工位同时检测。（2）对于管接头锻造件的各种外观缺陷开发了相应的图像检测算法,外观缺陷如:外六角面裂纹、顶部冲不足、六角面厚度过薄、六角面侧面冲不足、字符不清、侧面凹坑、折叠、合模错差缺陷。对于外六角面裂纹缺陷的检测先通过图像增强、灰度双阈值分割、求最大内接矩形去除背景,再利用均值滤波和阈值分割将裂纹缺陷识别出来。对于六角面顶部冲不足缺陷的检测是利用灰度阈值分割、形态学闭运算、孔洞填充和求最小内接矩形将背景去除,然后再利用灰度多阈值分割和比较各个连通区域的像素面积大小来判断是否有缺陷。对于六角面侧边冲不足缺陷的检测分为有字符一侧和无字符一侧,对于有字符一侧先利用双边灰度阈值分割和孔洞填充对目标区域进行裁剪,然后利用均值滤波、灰度阈值分割、孔洞填充和计算连通域的像素面积大小来判断是否存在缺陷,对于无字符一侧处理过程也大致相同。对于六角面厚度过薄的检测首先对相机进行标定,然后根据本文提出的尺寸测量算法对灰度进行测量。对于字符不清缺陷的检测首先对字符待测区域进行提取,然后通过提取字符来判定是否存在字符不清缺陷。对于侧面凹坑缺陷的检测分为有字符一侧和无字符一侧分别进行检测,通过分别在不同的区域进行检测并将最终的结果进行综合来判定是否存在缺陷。对于合模错差缺陷的检测通过求解最大内接圆与最小外接圆的直径差进行判断。对于折叠缺陷的检测也是通过先对待测圆柱面图像进行提取,再对折叠缺陷进行线条提取,通过线条中的像素点个数来判定。（3）对于管接头锻造件的外六角面裂纹及碰伤缺陷和内六角面裂纹及凹坑缺陷本文采用了深度学习算法进行识别,通过图像增强和迁移学习的方法进行快速部署网络,通过实验比较初步选取了ssd＿inception＿v2网络为预训练网络,并进行网络结构的优化提出本文的深度学习网络。（4）最后,通过开发的管接头锻造件外观缺陷检测系统进行了实验,结果表明,使用图像处理算法和深度学习算法相结合的方式对缺陷进行检测,综合识别率达到了97.47%,单幅图像最长检测时间为397.3ms,可以满足在线检测的要求。本文提出了新颖的结果判定机制,使得系统的实现成为可能,最终设计了相应的人机交互软件,实现了端到端的检测。