线束绑扎胶套检测与测量
针对汽车线束绑扎胶套人工检测测量效率低、误差大的问题，搭建了融合机器视觉与深度学习的检测系统。系统通过伺服机构采集图像并完成拼接，利用深度学习结合形态学算法实现胶套粗、精定位，采用自适应阈值法检测边缘，并提出自适应类高斯权重全采样法测量长度。实测结果显示，胶套检出率达 100%，长度测量平均相对误差仅 1.12%，可满足工业现场线束胶的检测与测量需求
汽车线束是整车电路的核心载体，绑扎胶套起到防护、固定作用，其数量、尺寸直接影响线束装配质量与使用安全。传统人工检测与测量方式受主观因素影响大、效率低下，现有边缘检测、尺寸测算算法也难以适配胶套形变、色差等复杂工况。为此，本文结合机器视觉与深度学习技术，设计一套自动化检测测量系统，实现线束胶套智能质检。
汽车线束是整车电路的核心载体，绑扎胶套起到防护、固定作用，其数量、尺寸直接影响线束装配质量与使用安全。传统人工检测与测量方式受主观因素影响大、效率低下，现有边缘检测、尺寸测算算法也难以适配胶套形变、色差等复杂工况。为此，本文结合机器视觉与深度学习技术，设计一套自动化检测测量系统，实现线束胶套智能质检。
系统由硬件与软件两部分组成。硬件包含PLC控制器、伺服运动模组、500万像素工业相机、长条环形光源，PLC 驱动模组带动相机移动，完成线束分区域图像采集；软件基于Halcon 算法库与C++开发，集成图像拼接、目标检测、边缘提取、尺寸计算等功能，并配备可视化操作界面，方便参数设置与结果查看。
系统由硬件与软件两部分组成。硬件包含PLC控制器、伺服运动模组、500万像素工业相机、长条环形光源，PLC 驱动模组带动相机移动，完成线束分区域图像采集；软件基于Halcon 算法库与C++开发，集成图像拼接、目标检测、边缘提取、尺寸计算等功能，并配备可视化操作界面，方便参数设置与结果查看。
系统硬件构成
系统结构关系图
1.图像拼接
先对图像做中值滤波、增强等预处理，提取特征点，结合 RANSAC 算法完成特征匹配，逐张拼接分采图像，得到线束完整全景图，为后续全局检测奠定基础。
1.图像拼接
先对图像做中值滤波、增强等预处理，提取特征点，结合 RANSAC 算法完成特征匹配，逐张拼接分采图像，得到线束完整全景图，为后续全局检测奠定基础。
深度学习基本原理
目标不同角度视图
2.胶套定位
构建包含千余张样本的数据集训练深度学习模型，利用训练完成的最优模型对胶套粗定位，框选出目标区域；再通过颜色转换、二值化、形态学处理与最小外接矩形运算完成精定位，精准锁定胶套轮廓。
3.边缘检测
针对不同胶套存在色差的问题，设计自适应阈值算法。遍历局部区域像素灰度，动态计算分割阈值，替代固定阈值方案，有效提升边缘提取的准确性。
2.胶套定位
构建包含千余张样本的数据集训练深度学习模型，利用训练完成的最优模型对胶套粗定位，框选出目标区域；再通过颜色转换、二值化、形态学处理与最小外接矩形运算完成精定位，精准锁定胶套轮廓。
3.边缘检测
针对不同胶套存在色差的问题，设计自适应阈值算法。遍历局部区域像素灰度，动态计算分割阈值，替代固定阈值方案，有效提升边缘提取的准确性。
训练过程损失曲线
自适应阈值获取法
边缘采样区域建立过程
4.长度测量
考虑胶套受卡扣挤压易出现两端上翘、边缘非直线的问题，提出自适应类高斯权重全采样测量法。依据高斯分布原理，对胶套不同位置分配权重，中间区域权重更高，对全采样多行测量值加权求和，削弱形变带来的测量误差。
4.长度测量
考虑胶套受卡扣挤压易出现两端上翘、边缘非直线的问题，提出自适应类高斯权重全采样测量法。依据高斯分布原理，对胶套不同位置分配权重，中间区域权重更高，对全采样多行测量值加权求和，削弱形变带来的测量误差。
选取多种规格线束胶套开展现场测试，以高精度投影测量仪数据作为真值参照。多组实验结果表明，系统对各类胶套的检出率达到100%；长度测量最大偏差小于0.5mm，平均相对误差仅1.12%，系统运行稳定，鲁棒性良好。配套人机界面操作简单，可自动判定产品是否合格，适配生产线批量质检场景。
选取多种规格线束胶套开展现场测试，以高精度投影测量仪数据作为真值参照。多组实验结果表明，系统对各类胶套的检出率达到100%；长度测量最大偏差小于0.5mm，平均相对误差仅1.12%，系统运行稳定，鲁棒性良好。配套人机界面操作简单，可自动判定产品是否合格，适配生产线批量质检场景。
系统用户功能界面
３种规格胶套系统检出胶套个数对比
３ 种规格胶套系统测量数据与约定真值对比
测量数据对比折线图
该系统将图像拼接、深度学习、自适应边缘检测与加权测量相结合，有效解决了线束胶套人工检测的诸多弊端，检测精度与效率均满足工业要求。后续可继续优化算法运行速度与复杂工况适应性，进一步拓展系统的应用范围。
该系统将图像拼接、深度学习、自适应边缘检测与加权测量相结合，有效解决了线束胶套人工检测的诸多弊端，检测精度与效率均满足工业要求。后续可继续优化算法运行速度与复杂工况适应性，进一步拓展系统的应用范围。
