涂胶质量检测是涂胶质量控制的方法,是涂胶产品生产过程中必不可少的重要环节。涂胶检测的任务是检测涂胶质量并实时做出相应反馈,实现涂胶机的视觉闭环控制。根据涂胶机涂胶特点,可以归纳涂胶质量缺陷产生的原因,主要包括由于涂胶机喷嘴移动速度过快或者过慢及涂胶机胶水浓稠不均,喷嘴压力过小或者过大,导致胶线呈现过窄、断胶或者过宽的现象。基于机器视觉的机器人涂胶在线检测技术已逐步运用于生产线中,在检测过程中,经常受到由于目标物体内部凹凸不平而造成采集图像中产生阴影区域和反光的现象,使得涂胶检测错误。本文主要对如何在复杂条纹阴影区域内分割出涂胶边界的问题展开研究,提出了基于示教点约束和卷积追踪模型的分割算法(TPCPT)。改进现有的全卷积神经网络(FCN),将其运用到涂胶检测中。基于示教点约束和卷积追踪模型的分割算法是以机器人示教点的位置信息作为先验信息,并沿着示教点的方向划分检测区域,对每一个小区域内根据卷积运算提取涂胶边界,所有区域内的涂胶边界提取完毕后,利用追踪模型对涂胶边界的检测结果进行校正。对现有的全卷积神经网络进行改进,在每一个卷积层后面加入BN(Batch Normalization)网络层。加快了网络的训练速度和优化了网络提取的特征。用两种方法分别对内部反光的涂胶、曲率变化较大的涂胶、条纹背景复杂的涂胶及断裂的涂胶进行多组实验,结果表明对于内部反光的涂胶和条纹背景复杂的涂胶,基于示教点约束和卷积追踪模型的分割算法在准确率和平均绝对误差指标上优于改进的FCN算法,对于曲率变化较大的涂胶,改进的FCN算法在准确率和平均绝对误差指标上优于基于示教点约束和卷积追踪模型的分割算法。