随着生产技术的不断提高,使汽车钣金件不仅在产量方面做到了逐年提高,也使其产品的质量越来越高。这就使得检测钣金件产品是否存在问题的情况成为了一种庞大数据量中的小概率事件。而传统的人工检测方式不仅浪费人力、消耗大量的精力和金钱,而且也很难对这种产量较大的全部钣金件做出细致而全面的检查。随着计算机视觉的不断发展,为工业自动化检测方法提供了全新的思路。本文利用卷积神经网络技术对汽车钣金件的螺栓螺帽检测进行了研究。具体研究内容如下:首先,对钣金件的图片数据进行标注,标注后利用企业所提供的少量数据进行数据采样扩大数据样本。本文采用针对前景的采样和针对背景的采样两次采样实现数据扩充。为了进一步扩大样本,本文采样所得到的数据基础上还进行了一些图像变换进行进一步的样本扩容,为后续训练模型做数据准备。其次,针对图片本身较大而检测目标较小可能会导致较大计算量和检测不准确的问题。本文设计并实现了初步判定图像是否为前景图片的分类器,该分类器的作用是将钣金件前景和背景进行区分。用它来进行初步粗略的识别出螺栓螺帽所在的前景区域,这样做相当于为后续的目标检测模型添加一层注意力机制,方便后续利用目标检测模型检测出准确的前景位置坐标。最后,本文利用前景区域的初步识别的判别结果,将其判别结果为前景的图片输入到目标检测模型中。对前景的所在坐标进行定位,检测出前景坐标在图片中的具体位置。利用预测得到的坐标位置与标准钣金件上的螺栓螺帽所在位置的坐标进行对比,得出最终结论。