圆形电连接器具有良好的封接强度,高性能的弯曲强度以及良好的气密性等优点,被广泛的应用于各个领域。电连接器主要起到电源连接、数据连接等作用,因此它的可靠性尤为重要,需要在生产过程中检测出不合格产品并剔除。由于目前尚无检测圆形连接器的好方法,因此大多数企业采用人工肉眼检查方法,该方式存在效率低下,容易受个人主观因素影响,无法连续工作等问题。针对以上问题,本文设计并开发了一套基于机器视觉的圆形电连接器缺陷检测装置,研究内容包括:1、设计搭建一套圆形电连接器缺陷在线检测装置。依据不同型号电连接器的尺寸确定视觉检测系统中相机、镜头、支架等器件的选型,根据实际流水线生产中的器件情况,调试整体装置并最终完成搭建。2、对不同型号圆形电连接器的三大类缺陷进行分析。圆形电连接器中主要存在三大类缺陷,分别为焊锡点缺陷,地线焊接缺陷以及内外环相对旋转缺陷,三类缺陷尺寸,特性,检测指标均不相同,需要针对不同种类的缺陷进行分析,从而能够更好的实现对圆形电连接器缺陷的检测。3、对圆形电连接器三大类缺陷的检测算法进行研究。电连接器的三类缺陷区别主要体现在形状、尺寸以及所处位置等特征上,对于颜色信息不敏感,所以先对图像进行灰度化和去噪处理,为后续图像处理降低难度。本课题的检测任务对于系统的实时性以及鲁棒性要求较高,需要实现在生产流水线上的实时检测,因此本文依据设计要求以及缺陷特性等情况,对比传统图像处理技术和深度学习方式优劣,最后选择采用深度学习方式。本文改进后的Yolo v3相比较于原网络准确率提升了近6%,准确率达到了93.5%,同时检测速度更快,与其他目标检测模型相比参数也都所有提升,相比于Faster R-CNN的m AP有所提升,并且检测速度提升较大,单张图片检测速度加快近1秒。4、缺陷检测软件界面的设计与开发。为了便利操作人员,使数据可视化,本文设计了相应的上位机界面,具有图形可视化功能,报警功能,数据记录功能等。