筛网在工业产品生产和科学理论研究中具有重要意义,通常用于医药、化工、航空航天和电池材料等领域的基准颗粒过滤和筛选。不同尺寸的颗粒通常表现出不同的物理特性,也是各种产品设计、生产的重要参考尺度。产品的性能、质量和使用寿命与组成产品的微观颗粒大小息息相关。因此粒度筛选的筛网重要性不言而喻,对筛网的缺陷检测更具有重要意义,同时也是质量检测部门急需解决的问题之一。但是目前市面上的自动筛网缺陷检测都是针对筛网孔径大于1mm的缺陷检测,孔径小于1mm的高精度筛网缺陷检测还是依靠人工目视或借助放大镜、电子显微镜等工具进行检测,效率低下,而且精确度不高。本文参考了筛网生产、检测等相关的国家标准,针对工业生产中常见的筛网缺陷,利用计算机视觉技术设计了高精度筛网缺陷检测系统。主要研究内容如下:高精度筛网缺陷检测系统的设计。根据试验筛技术、检验要求等国家标准和相关的企业的筛网检测规范,设计了高精度筛网缺陷检测系统。确定了检测系统针对的筛网规格和缺陷检测类型,对系统研发设计的整体工作思路和流程进行了详细阐述。高精度筛网缺陷检测系统的硬件平台搭建。首先,根据高精度筛网的径丝、孔径大小等物理特性确定了筛网图像采集方案,对硬件系统工作原理进行了阐述。其次,硬件平台的重要模块,如图像采集模块、光源模块、筛网转动模块等,进行了设备选型和参数匹配。最后,利用搭建好的硬件筛网图像采集平台,实现了高效率、高质量的筛网图像采集。高精度筛网缺陷检测系统算法设计。针对硬件平台采集的筛网图像特点,设计了筛网图像预处理步骤,包括图像增强和分块。然后,以深度学习网络经典模型YOLOv4为基本框架,为了提高筛网缺陷检测的准确率和实效性,利用残差思想和特征金字塔网络思想,设计了相对高效的特征提取模块并将其融入到VGG-16主干特征提取网络中;设计了多尺度空间金字塔池化结构,通过引入不同大小的池化层,提高目标检测的准确率。并将设计改进的结构替换、融入到YOLOv4网络中,从而实现筛网缺陷的准确、高效的检测识别。高精度筛网缺陷检测系统算法实验验证与分析。利用搭建的高精度筛网硬件采集平台,采集、标记带有缺陷的筛网图像,制作筛网数据集。对本文提出的高精度筛网缺陷检测算法的相关检测性能进行了实验验证与分析。实验结果表明,本文的高精度筛网缺陷检测算法能够实现较高的检测精度和较快的检测速度,满足市场和企业对高精度筛网检测的相关性能要求。最后,以Qt Creator为开发平台,进行筛网图像采集、控制等相关的软件界面设计,并将上文设计的筛网缺陷检测算法嵌入界面运行软件中,实现了实时的筛网缺陷检测集成软件。