近几年,国内的轿车产量一直在增长,在轿车市场上,轿车占据了85%以上,SUV占据了60%以上的市场份额,而后雨刷则是轿车、SUV、MPV等轿车的标配。支撑塑料帽是后雨刷传动装置上的重要构件,这种薄壁、小型零件在汽车后雨刮齿轮连杆机构自动装配中存在裂纹、破损、漏装等多种类型的缺陷,针对这类小型件的多缺陷在装配线上大多依赖人工全检或简单的基于灰度计算的机器视觉方式在线检测,这种检测方法效率低、漏检率较高,很容易将不良品流出从而造成大的质量隐患。因此,本文选取装配过程中该塑料帽研究对象,采用深度学习目标检测技术以及三维重建技术,设计实现了一个塑料帽在线缺陷检测系统。本文的主要工作内容如下:（1）首先通过对装配线现场工业生产环境下的塑料帽缺陷图片进行提取,对塑料帽图像进行测试分析,设计出符合检测塑料帽缺陷的处理流程,通过研究发现,塑料帽缺陷存在一些明显的表面缺陷以及压装后造成的内部隐形裂缝。针对正产生产中缺陷样本较少的客观问题,为了提高训练样本数量,本文在获取真实缺陷样本的前提下,采用Wasserstein生成式对抗网络,对存在不同种类的缺陷塑料帽图片均进行扩充,将缺陷检测数据集总量扩充至40000个,以满足后期YOLO＿v3网络训练的缺陷样本数量需求。（2）针对YOLO＿v3中使用的先验框对于检测效果不理想问题,利用k-means算法对训练集中的实际边界框进行了再次的聚类,并根据聚类的结果选择出具有客观性、代表性的候选框。在进行YOLO＿v3网络训练时,针对原有的激活函数的不足,改采用Mish的方法,对原来的激活函数进行了改进,使网络的性能得到了较好的改善。最后在改进的YOLO＿v3网络基础上进行了实验与分析,检测效果达到了预期,均值平均精度m AP从原有网络的67.49%提高到68.64%,在检测速度上也达到了60ms/张,改进后的YOLO＿v3网络较小的缺陷也够取得较好的检测结果。（3）针对塑料帽在压装后内薄壁中可能出现的通过外观无法识别的隐形裂缝缺陷,首先使用有限元分析技术对良品以及含有隐形裂缝的塑料帽在装配后的尺寸和外轮廓变化进行仿真分析,发现两者外轮廓尺寸变化最大处均为底端,其中良品塑料帽变形量约为0.109mm,含有隐形裂缝塑料帽的最小变形量约为0.133mm,两者之间的尺寸变形量为0.133mm;依据外轮廓的变化,采用圆度和外轮廓曲线段圆拟合方法对塑料帽是否含有隐形裂缝进行判断,其中良品塑料帽装配后圆度为0.01mm,外轮廓曲线段个数为4到5个,且均能拟合为圆,而含有隐性裂缝塑料帽最小圆度为0.02mm,外轮廓曲线段个数最小为6个,且至少有1个曲线段不能拟合为圆。然后对塑料帽进行三维重建。由于塑料帽在实际生产中位姿固定,为了能够完整的重建塑料帽整体结构,选用4个相机按照环形阵列摆放对其进行拍照,然后计算重建之后塑料帽尺寸与良好塑料帽尺寸两者的差值,并与变形尺寸大小比较,依据两者之间差值是否在可允许范围内以及圆度变化情况和外轮廓分解后的曲线段圆拟合情况来判定是否存在隐形裂缝。（4）基于检测装置对象,完成了对塑料帽在线缺陷检测系统的设计,该系统包括了硬件的选型,利用QT5软件完成了系统的界面设计,将神经网络检测算法和三维重建算法进行封装,使其能够在生产环境中方便使用。经过进一步的实际生产测试可得,该系统对于塑料帽存在的缺陷的检测效果很好,实现了在一定程度上,对各种类型缺陷的识别,达到了预期的效果,验证了本课题所涉及的塑料帽在线缺陷检测系统的可行性。