当前模切机生产的工件检测大多采用人工抽样检测的方法,以剔除不合格的模切件。但人工检测的方法存在成本高、检测率低下和易引入二次破坏等问题。因此本文研发了一套基于嵌入式GPU的模切件边缘缺陷检测算法,能高效率并准确地检测模切件边缘缺陷,具有较高的工程应用价值。本文基于机器视觉,通过线阵相机和编码器结合获取模切件图像,在对图像进行尺寸校正、亮度校正和定位后,针对胶区边缘研发了 CLAHE增强的改进Canny算法进行边缘检测,针对非胶区边缘研发了腐蚀膨胀作差后进行Zernike矩亚像素边缘检测。对于有角度偏移的工件,研发了基于非胶区边缘像素为特征值的二阶矩计算旋转角度,并进行校正。接着对模切件边缘轮廓进行分割、拟合和误差计算,通过先验信息对轮廓基元进行直线与曲线的分割,针对直线采用基于最小二乘的线性方程拟合,针对曲线采用基于最小二乘的五阶多项式拟合,通过标准工件对应边缘拟合的方程式与待测工件对应区域像素点的相对最小均方误差判断边缘是否存在缺陷。最后,为了提高算法性能,针对边缘缺陷算法各个环节,利用嵌入式GPU Tegra X1实现基于CUDA的并行加速优化,并对算法准确性和性能进行测试。经过测试,本论文研发的模切件边缘缺陷检测算法能很好满足生产线功能与性能的需求,基于GPU的模切工件边缘缺陷算法总体耗时控制在800ms以内,检测准确率高达95%以上。