PVC(Polyvinyl Chloride)涂膠是油漆車間一項非常重要的工藝，對車身拼縫處進行涂膠，起到密封和防腐作用。但目前的涂膠缺陷檢測方法主要是人工檢測與機器檢測，缺乏準確性和實時性。本課題從PVC涂膠的缺陷檢測出發(fā)，分別從2D缺陷檢測的深度學習方法、3D點云的缺陷檢測方法、2D與3D多傳感標定及特征融合的缺陷檢測方法，三個角度出發(fā)分別進行研究，最終集合成一個能夠多維進行涂膠缺陷檢測的PVC涂膠膠條質量缺陷檢測系統(tǒng)。

總體目標是設計能夠對涂膠缺陷進行實時檢測的PVC涂膠膠條質量缺陷檢測系統(tǒng)，具體包括：對2D圖像進行采集，對2D圖像進行預處理，開發(fā)基于深度學習的算法框架實現(xiàn)2D圖像的涂膠缺陷檢測；對涂膠的3D點云進行采集與預處理，建立相應網絡算法進行缺陷檢測，對3D膠線缺陷特征進行分析，優(yōu)化3D缺陷評估標準；對工業(yè)相機與3D輪廓傳感器進行多傳感標定，將3D點云轉換為深度圖，將2D圖像與3D深度圖進行圖像數(shù)據融合，對融合圖像進行缺陷檢測模型訓練；將以上功能集成到一個UI界面上，實現(xiàn)PVC涂膠膠條質量缺陷系統(tǒng)的開發(fā)。

初步完成PVC涂膠膠條質量缺陷檢測系統(tǒng)的研究，對2D圖像進行預處理以及邊緣提取，基于深度學習框架對2D缺陷圖像進行檢測，選取YOLOv7作為訓練模型；完成PVC涂膠膠條3D特征缺陷檢測模型的建立，并建立相關的包括再訓練、涂膠檢測功能的檢測系統(tǒng)的搭建。；將2D工業(yè)相機與3D輪廓傳感器進行標定，對2D圖像進行去畸變處理，將3D點云數(shù)據轉換為深度圖，將2D圖像與3D點云進行圖像數(shù)據融合，對融合后的圖像進行模型訓練與缺陷檢測；設計了UI界面，完成了算法部署，實現(xiàn)了PVC涂膠膠條質量缺陷檢測系統(tǒng)的研究