漆膜瑕疵检测是汽车涂装工艺中的关键环节,检测效果的好坏直接影响到汽车的质量,现有市场上基本没有国内成型的漆膜瑕疵检测系统,中、小型汽车厂家检测漆膜瑕疵大多采用人工进行,部分大型厂家采用国外检测系统进行检测,但是都是基于PC系统,体积庞大、价格昂贵、检测成本较高,而采用人工进行检测效率较低、速度较慢,且长时间容易产生视觉疲劳降低检测质量。本文针对于以上问题,提出了一种基于嵌入式TX2平台的汽车漆膜瑕疵检测算法,该算法内容如下:首先,相对于一般的漆膜瑕疵图像处理,本文采用快速傅里叶变换,将漆膜图像变换至频域内,采用滤波器进行频域滤波,然后将滤波后的频域图像进行反变换,保留瑕疵部位特征,抑制噪声部分,重建去噪后的瑕疵图像。然后,将去噪后的图像进行3/4级4抽头Daubechies小波变换,通过滤波器(Daub4)DWT将瑕疵图像分解为一组子图像。在每个分辨率级别,DWT产生四个子带,进行软阈值修改,然后重建背景图像和瑕疵高频图像,通过背景图像估算分割阈值,然后进行高频图像的自动分割。分割出瑕疵部位。其次,分别提出漆膜瑕疵的基于灰度共生矩阵(Gray-level Co-occurrence Matrix,GLCM)的纹理特征、灰度直方图统计特征和进行不同尺度下这些特征的特征提取,组合成特征向量作为分类模型的输入。在设计分类模型时,综合现有的一般漆膜瑕疵检测分类方法和较好性能的其他分类模型,进行瑕疵识别,选择出性能最优的反馈(Back Propagation,BP)神经网络作为分类模型,并进行超参数调节,生成改进网络模型。最后,进行嵌入式系统设计,系统设计的重点是漆膜瑕疵检测单元的设计,通过检测方案决策、硬件选型、平台搭建、驱动安装和嵌入式环境的配置等,完成检测单元的设计。最终将检测算法导入进嵌入式单元平台中,进行漆膜瑕疵检测。将所选的几种典型瑕疵进行检测和验证,结果表明:检测单元系统可实现自动分割检测,无需手动设定参数,且系统检测的有效率可达到96.1%,分类的平均准确率达到95.67%,单张图像检测平均时间在2s。