基于机器视觉的汽车配件质量智能检测方法

本发明公开了一种基于机器视觉的汽车配件质量智能检测方法，涉及机器视觉和质量检测相关领域，该方法包括：S1、利用图像采集系统采集汽车配件表面图像；S2、采用基于引导滤波的多尺度Retinex算法对汽车配件表面图像进行预处理，改善图像质量；S3、利用YOLOv11实例分割模型对预处理后的汽车配件表面图像进行智能检测，识别和定位图像的缺陷区域；S4、获得汽车配件表面的缺陷检测结果，生成质量检测报告。本发明解决了现有技术中汽车配件质量检测精度低下的问题。本发明采用改进的图像增强算法改善图像质量，利用神经网络的学习能力提升质量检测的稳定性和鲁棒性。这种智能化的质量检测方法使得汽车配件生产的维护工作更具有针对性，有效降低维护和检修成本。