机器学习在车身阻尼垫喷涂质量检测的应用

针对液体阻尼垫喷涂的质量检测,提出传统视觉算法和机器学习算法相结合的方法。使用传统算法根据灰度判断分叉、漏喷和胶形等喷涂问题,并解析喷涂宽度、长度和面积等特征。同时针对高反光引起的误报特征,使用机器学习进行模型训练来去除反光影响,同时比较几种机器学习模型的准确性。在现场搭建生产运行环境,验证检测算法的准确性,综合结果表明:检出率为99%,误报率为0.05%,能够满足实际生产要求。