近年空气污染严重,口罩的产量也在逐年增加,口罩对卫生和质量的要求比较高,在口罩生产过程中会出现很多缺陷,比如白丝、虫子、污渍、头发、破洞、鼻梁条缺陷、耳绳缺陷等。传统的人工目视检测方法很难满足工业生产精度高、速度快、稳定性好的要求。尽管目前基于图像处理和深度学习对纺织布缺陷检测的研究已经取得了不错的进展,但是在精度、速度、稳定性等方面还不能满足口罩制作材料无纺布实时在线检测的要求,而且没有一套成熟可靠的自动在线检测系统来对口罩生产的各个环节进行实时监控和检测。针对以上无纺布口罩自动在线检测存在的难点,本文基于机器视觉和深度学习的原理方法设计了一套完整的无纺布口罩自动在线检测系统,实现了无纺布口罩的自动在线检测,并且通过半年的在线测试运行和完善,在精度、速度、稳定性等方面完全可以满足无纺布口罩自动在线检测的需要。该系统具有巨大的应用价值,并且可以作为其它工业产品自动在线检测系统的模板。本文主要研究内容如下:1)无纺布缺陷自动在线检测技术研究。无纺布本身纹理杂乱且厚薄不均匀,而且缺陷样本过少以及缺陷的形状、大小、位置等差异很大等特点。本文结合对抗式生成网络和卷积神经网络对缺陷进行检测。首先对图像进行随机裁剪获得更多的缺陷样本;然后对图像通过旋转、平移、改变对比度和亮度、添加噪声等方式对图像进行标准数据扩增;接着利用对抗生成网络对来生成缺陷样本,扩充数据集;最后,使用卷积神经网络对缺陷进行分类。通过半年的自动在线测试,对于无纺布的缺陷的平均检测率达到了98.10%,误报率在0.01%以下。2)口罩缺陷自动在线检测技术研究。口罩型号繁多、很多缺陷都是人为定义,导致对缺陷的定义比较模糊,再加上口罩这种柔性材质的特点,很难准确地提取口罩缺陷的特征。针对这样的情况,本文提出了一种针对口罩特定缺陷的检测方法。首先,本文基于霍夫变换对口罩进行定位和提取;第二,本文利用分区域OTSU进行区域分割,然后利用Canny算子进行边缘检测,提取出耳绳;第三,本文利用灰度值统计以及口罩位置等先验知识对口罩的耳绳缺陷、鼻梁条缺陷、其它缺陷进行检测。通过半年的自动在线测试,该系统对口罩缺陷的平均召回率达到了99.2%,误报率0.2%以下3)设计无纺布口罩缺陷自动在线检测系统。首先,对相机、镜头、光源、计算机等核心硬件设备根据检测需求进行了参数选型。第二,提出一种适合工业现场无纺布口罩检测的照明方案。第三,通过一些辅助硬件比如:继电器、气阀、灯、蜂鸣器等,实现对生产过程的控制。第四:设计无纺布口罩自动在线检测系统的软件模块。该检测系统的硬件软件已经稳定运行了半年,各方面指标都良好。