发动机是汽车的关键动力总成，发动机的产品质量是整车品质的重要组成部分。其中，车辆在车辆管理所上牌时会在钢印打标面进行标记，若钢印打标不清晰无法上牌。而若在发动机生产线上存在油封装配不合格问题，会导致发动机机油泄漏等质量事故，增加车辆维护成本。目前企业流水线上，对于上述产品质量检测仍采取效率低易出错的人工目测方法。因此，本项目旨在实现一套自动化、智能化的汽车发动机油封和钢印打标面的视觉在线检测系统。

本项目所设计的汽车发动机油封和钢印打标面的视觉在线检测系统需要能有效识别油气门油封装配质量缺陷与钢印打标面缺陷，目标缺陷识别率达到98%以上，建立可扩展的数据库模型，增加精度与效率，一定程度上替代人工检测，节约生产成本。优化图像获取硬件部分，进行相机、镜头和光源等的选型以及布局设计，并设计制作机械臂夹持相机满足多视角拍摄检测的需求，最后给出系统的标准工作流程图以及便于工作人员使用的可视化操作界面。

本项目围绕油封检测，钢印打标面刀痕检测，分别开展了基于数字图像处理、深度学习的视觉检测研究，收集制作了不同缺陷的样本，并通过数据增强方法对数据进行增强处理，随后基于YOLO深度学习框架改进相关算法对油封及刀痕的缺陷进行检测，提出油封装配质量的评价准则及钢印打标面视觉检测的合格性判定。同时设计完成了六轴机械臂来实现对检测设备的夹持与固定，可进行产线的检测，油封检测准确率到达98.2%，可一定程度上替代人工检测。