一种基于机器视觉的灯头生产过程质检方法及系统

本发明涉及质量监管领域，公开了一种基于机器视觉的灯头生产过程质检方法及系统，该方法通过触发式工业相机采集流水线上灯头的多角度图像，经灰度校正、ROI区域提取及噪声滤波等预处理后，采用混合检测策略分析图像；利用第一分析模型计算关键尺寸偏差系数检测尺寸缺陷，借助基于注意力机制的U‑Net变体深度学习分割模型识别外观缺陷；依据缺陷分类结果触发分拣装置并记录数据至生产质量数据库；深度学习分割模型采用合成数据增强技术和多尺度损失函数训练，提升小缺陷识别能力。本发明能有效提高灯头质检的效率和准确性，降低人工成本，增强检测系统的稳定性和适应性，满足大规模灯头生产的质量控制需求。