在汽车涂装过程中,由于涂装环境、涂料及设备存在一些不利因素影响,很难将汽车涂膜缺陷很好的根除。涂膜缺陷的种类和形态繁多,严重影响着汽车涂膜的质量和美观,所以对涂膜缺陷的检测一直是汽车涂装工艺过程中的重要工序。目前,对汽车涂膜缺陷的检测全部是采用人工目测,既费时费力,又容易漏检,检测结果可靠性差。基于计算机视觉的检测技术具有非接触、快速、精度高及智能化的特点,在工业界已经得到了广泛的应用。本文首次将计算机视觉检测技术应用于对汽车涂膜缺陷的检测,主要工作涉及到照明方案的确定、涂膜缺陷检测分割算法的研究、缺陷的特征提取和模式识别。本文主要做了以下工作:1.依据大部分汽车涂膜缺陷的形态特征,以及涂膜质地和表面特征,提出了侧向照明方案,并获取了缺陷特征明显的图像,以便于分析处理。2.本文提出了三种可以有效检测涂膜缺陷模糊边缘的分割算法,并通过实验对比,最终确定了一种基于图像中心化处理和去背景操作相结合的检测算法。该算法不仅可以有效的检测涂膜缺陷模糊边缘,而且对微小及微弱缺陷也有很好的检测效果,并且具有较好的适应性和稳定性。3.对缺陷进行了特征选择和提取,然后利用二叉树结构分类方法和BP神经网络对缺陷进行模式分类。实验证明,两种分类方法对灰尘颗粒、流挂、爆裂气泡孔等缺陷具有很好的分类效果。本文的研究工作和成果为今后对汽车涂膜缺陷检测的进一步研究提供了很好的借鉴方法和实践经验。