PVC(Polyvinyl Chloride)涂胶是油漆车间一项非常重要的工艺，对车身拼缝处进行涂胶，起到密封和防腐作用。但目前的涂胶缺陷检测方法主要是人工检测与机器检测，缺乏准确性和实时性。本课题从PVC涂胶的缺陷检测出发，分别从2D缺陷检测的深度学习方法、3D点云的缺陷检测方法、2D与3D多传感标定及特征融合的缺陷检测方法，三个角度出发分别进行研究，最终集合成一个能够多维进行涂胶缺陷检测的PVC涂胶胶条质量缺陷检测系统。

总体目标是设计能够对涂胶缺陷进行实时检测的PVC涂胶胶条质量缺陷检测系统，具体包括：对2D图像进行采集，对2D图像进行预处理，开发基于深度学习的算法框架实现2D图像的涂胶缺陷检测；对涂胶的3D点云进行采集与预处理，建立相应网络算法进行缺陷检测，对3D胶线缺陷特征进行分析，优化3D缺陷评估标准；对工业相机与3D轮廓传感器进行多传感标定，将3D点云转换为深度图，将2D图像与3D深度图进行图像数据融合，对融合图像进行缺陷检测模型训练；将以上功能集成到一个UI界面上，实现PVC涂胶胶条质量缺陷系统的开发。

初步完成PVC涂胶胶条质量缺陷检测系统的研究，对2D图像进行预处理以及边缘提取，基于深度学习框架对2D缺陷图像进行检测，选取YOLOv7作为训练模型；完成PVC涂胶胶条3D特征缺陷检测模型的建立，并建立相关的包括再训练、涂胶检测功能的检测系统的搭建。；将2D工业相机与3D轮廓传感器进行标定，对2D图像进行去畸变处理，将3D点云数据转换为深度图，将2D图像与3D点云进行图像数据融合，对融合后的图像进行模型训练与缺陷检测；设计了UI界面，完成了算法部署，实现了PVC涂胶胶条质量缺陷检测系统的研究