随着“中国制造2025”战略的提出,我国制造业正处于向智能化发展的转型阶段,而汽车工业作为国民经济的重要组成部分,是攻坚智能化的紧要一环。轮毂作为汽车的关键零部件,在实际生产加工中可能会产生例如毛刺、气孔、粘铝等诸多缺陷,这对汽车的外观和整车性能都有着很大影响。传统的轮毂缺陷检测多采用人工目检,这种检测方式既耗时又耗力,且极易因工人疲劳而导致误检和漏检问题的发生,准确性难以保证。随着计算机视觉技术的不断发展,基于视觉的缺陷检测方法得到越来越广泛的应用。本文基于计算机视觉技术对轮毂生产线中的轮毂表面进行缺陷检测,以提高轮毂缺陷检测的精度及效率,进一步推动轮毂产线的智能化。论文主要研究内容如下:（1）数据集作为智能检测的前提条件,是本文研究的首要问题。针对工业现场采集的轮毂缺陷图像,确定轮毂的缺陷类型,分析轮毂缺陷图像存在的质量、数量问题,运用合理的图像处理手段加以解决,借助标注工具完成对轮毂缺陷数据的标注,实现轮毂缺陷数据集的构建。（2）分析Yolov4算法的结构及其创新思想,运用轮毂缺陷数据集对算法进行预训练,初步得到检测结果并对其进行分析,依据检测结果数据与缺陷数据集的自身特点,明确对算法的优化方向。（3）研究基于Yolov4算法的改进思路,构建改进Yolov4算法的网络结构;设计消融实验与对比实验,依据检测精度与检测效率,验证本文提出的改进Yolov4算法的创新性与优越性。（4）基于上述算法,设计并开发一款能够实现实时检测,并完成显示、标记、保存、统计等一系列操作的轮毂缺陷在线检测系统。