目前,高铁线缆吊弦线夹装配质量检测主要凭借人工的肉眼判断,这种传统的方法不仅精确度无法保证而且检测效率低下,极大阻碍了线夹装配生产的自动化、智能化水平。随着计算机技术的迅速发展,基于卷积神经网络的机器视觉检测技术能够在非接触的条件下展开工作,实时获取相关数据,保证检测工作的精度与效率,人脸识别与医学影像等领域已广泛应用该技术,得以实现多学科融合的最大效益。因此,本文基于卷积神经网络的机器视觉检测技术,通过对相关算法进行改进和优化,实现了对高铁线缆吊弦线夹的装配质量的智能检测,有利于进一步提高其生产效率与装配精度。论文主要研究工作及相关结论如下:(1)线夹装配质量检测系统总体设计。分析了吊弦线夹装配检测的功能需求和检测指标要求;结合实验条件以及检测指标要求,完成了对工业相机、镜头、光源等关键硬件的选型;搭建了线夹装配质量检测系统硬件平台并设计了相应的软件算法流程。(2)基于卷积神经网络算法对线夹装配过程中产生的漏装或错装等防错检测。利用图像处理技术对获取的样本数据进行扩充,以完成数据集的构建;通过分析R-CNN系列网络模型的结构及其工作原理,提出基于损失函数和候选窗口分类结构的改进Mask R-CNN算法;并通过该算法与Faster R-CNN和Mask R-CNN算法的检测结果进行比对分析,结果表明改进Mask算法具有更高的检测精度,可用于线夹装配体的防错检测。(3)线夹装配连接紧度检测。主要将螺栓连接紧度转化为螺栓伸出量长度,非接触式间接测量。为了实现二维图像尺寸的测量,对图像进行区域分割、边缘检测、角点检测和直线拟合,分别分析常见算法的原理并通过实验对相应参数进行不断调整,然后通过算法运行结果的精度和速度进行对比,最终选择了用阈值分割、Canny算子、Harris角点检测和Hough变换对线夹图像进行测量前处理,通过遍历确定关键角点,求取点与拟合直线的平均距离,完成螺栓伸出量长度测量。(4)线夹装配检测实验与分析。首先明确了软件系统的功能,并进行了相关功能测试以满足实际检测需求;然后利用该软件结合实验平台与线夹测试集图像进行测试实验,验证了论文所选算法的可行性与有效性。综上所述,本文通过对线夹装配防错检测以及螺栓连接紧度检测两个方面的深入研究,基于卷积神经网络算法开发了线夹装配质量检测系统,实现了对高铁线缆吊弦线夹装配质量的智能化检测,相关研究成果对基于图像处理的工件装配检测技术的研发具有较好的参考价值。