基于机器视觉的零件缺陷检测系统

基于机器视觉的零件缺陷检测系统摘要随着高端制造业的快速发展，机械零件的加工质量直接决定了工业产品的运行性能与安全可靠性起着决定性作用，零件缺陷检测已成为生产流程中不可或缺的核心环节。传统人工目视检测方式存在效率低、误检率高、劳动强度大等问题，难以满足现代化流水线的大批量、高精度检测需求。本文设计了一种基于STM32F103微控制器的零件缺陷检测系统。系统以K230机器视觉模块为核心实现零件缺陷的智能识别与分类。硬件部分集成了红外对管限位传感器、SG90舵机分拣机构、OLED人机交互模块与独立按键调速单元，实现了零件上料、定位、视觉检测、缺陷分拣、计数统计的全流程自动化控制。同时系统支持传送带三档调速与缺陷零件语音播报功能。在系统调试过程中，传送带速度与视觉识别速度的匹配是影响检测效果的关键因素。通过反复测试，确定了合理的速度参数，使系统在检测效率和准确性之间达到平衡。测试结果表面，零件缺陷识别准确率为96%，缺陷分拣准确率为98%，零件定位精度控制在±2mm以内，系统可连续72小时稳定运行无故障。本研究为中小制造企业提供了一种可控、部署便捷的零件自动化检测方案，对推动制造业检测环节的智能化升级具有一定的参考价值。关键词零件缺陷检测；机器视觉；STM32；K230；自动化分拣AbstractWiththerapiddevelopmentofhigh-endmanufacturing,themachiningqualityofmechanicalcomponentsplaysadecisiveroleintheoperationalperformanceandsafetyreliabilityofindustrialproducts.Defectdetectionofpartshasbecomeacriticalstepintheproductionprocess.Traditionalmanualvisualinspectionsuffersfromlowefficiency,highfalsedetectionrates,andsignificantlaborintensity,makingitdifficulttomeetthedemandsofhigh-volume,high-precisioninspectioninmodernassemblylines.Toaddresstheseissues,thispaperpresentsapartdefectdetectionsystembasedontheSTM32F103microcontroller.ThesystememploystheK230machinevisionmoduleasthecorecomponenttoachieveintelligentidentificationandclassificationofpartdefects.Thehardwareintegratesaninfraredphotoelectriclimitsensor,anSG90servosortingmechanism,anOLEDhuman–machineinteractionmodule,andanindependentkeyspeedcontrolunit,enablingfull-processautomationincludingpartfeeding,positioning,visualinspection,defectsorting,andcountingstatistics.Thesystemalsosupportsthree-levelconveyorbeltspeedadjustmentandvoicebroadcastfordefectiveparts.Duringsystemdebugging,thematchingbetweenconveyorbeltspeedandvisualrecognitionspeedwasidentifiedasakeyfactoraffectingdetectionperformance.Throughrepeatedtesting,appropriatespeedparametersweredetermined,allowingthesystemtoachieveabalancebetweendetectionefficiencyandaccuracy.Testresultsshowthatthesystemachievesadefectrecognitionaccuracyof96%,adefectsortingaccuracyof98%,andapartpositioningaccuracywithin±2mm.Thesystemiscapableofstable,uninterruptedoperationfor72hours.Thisstudyprovidesacost-effectiveandeasilydeployableautomatedpartdetectionsolutionforsmallandmedium-sizedmanufacturingenterprises,offeringvaluablereferenceforpromotingintelligentupgradesintheinspectionprocessesofthemanufacturingindustry.Keywordspartdefectdetection;machinevision;STM32;K230;automaticsorting目录23901绪论 1188301.1研究背景 147501.2国内外研究现状 13211.3本章小结 1256032功能与设计方案 3192972.1系统功能要求 3209382.2系统设计方案 317152.3器件方案对比 4221382.3.1主控单片机的选择 417462.3.2视觉识别模块的选型 554272.3.3显示模块的选型 5206112.4本章小结 6238483系统的硬件设计 7260283.1STM32F103C8T6单片机 7169543.2K230机器视觉识别模块 715203.3红外对管限位检测模块 8152663.4SG90舵机分拣执行模块 9126063.5OLED显示与人机交互模块 91943.6独立按键与调速控制模块 10255653.7传送带驱动 11239473.8本章小结 11326874系统的软件设计 12171904.1软件介绍 12135134.2软件程序的设计 13160574.2.1主程序流程图 1329624.2.2按键子程序流程图 1439664.2.3显示子程序流程图 1512814.3本章小结 1678275系统的测试 18106825.1硬件调试 18281905.2软件调试 18263885.3实物展示 197015.3.1调速功能测试 19208165.3.2红外计数功能测试 1985445.3.3机器视觉缺陷识别功能测试 20236885.3.4缺陷零件分拣功能测试 20197045.4本章小结 2127170结论 222724参考文献 2314027谢辞 2526691附录A 2621822附录B 271绪论1.1研究背景在高端制造业持续升级的背景下，机械零件作为工业产品的核心基础部件，其表面划痕、尺寸偏差、缺料变形等缺陷，会直接影响产品的装配精度、运行寿命与使用安全，严重时甚至会引发安全生产事故。零件缺陷检测作为把控产品质量的关键环节，传统模式以人工目视检测为主，存在检测效率低、误检漏检率高、劳动强度大、检测标准难以统一等固有缺陷，完全无法适配现代化流水线大批量、快节奏、高精度的生产需求[1]。随着机器视觉、嵌入式控制与边缘计算技术的快速发展，基于机器视觉的自动化缺陷检测技术逐渐成为行业发展的主流方向，通过图像采集、AI识别与自动化执行机构的配合，可实现零件缺陷的非接触式、高精度、快速检测，大幅提升检测环节的效率与一致性。本课题针对中小制造企业的实际生产需求，开发一套低成本、高集成度、易部署的零件缺陷检测系统，解决传统人工检测的行业痛点，助力中小制造企业实现检测环节的自动化与智能化升级[2]。1.2国内外研究现状国外机器视觉检测领域的技术起步较早，技术体系成熟度较高。德国康耐视、西门子等企业研发的工业视觉检测系统，基于深度学习算法实现了微米级的零件缺陷检测精度，在汽车制造、精密加工等高端制造领域实现了规模化应用[3]；日本基恩士推出的模块化视觉传感器，实现了检测设备的快速部署与灵活适配，可兼容多种规格零件的检测需求，在工业流水线场景中得到了广泛应用。国内机器视觉检测行业虽起步较晚，但发展势头迅猛[4]，华为、海康威视等企业推出了国产化的工业视觉检测平台，在算法精度与硬件集成度上实现了技术突破[5]；大疆、奥比中光等企业在边缘计算视觉模块领域实现了国产化替代，大幅降低了机器视觉技术的应用门槛；国内高校在零件缺陷检测算法优化、嵌入式系统部署等领域也产出了大量研究成果[6]。但目前国内高端工业视觉检测设备成本较高，中小制造企业难以负担，低成本、轻量化、易操作的小型化检测系统仍存在较大的市场缺口，这也是本课题研究的核心方向。1.3本章小结本章阐述了基于机器视觉的零件缺陷检测系统的研究背景与行业应用价值，分析了当前制造业对零件自动化缺陷检测的迫切需求，梳理了国内外机器视觉检测领域的技术发展现状与现存的行业痛点，明确了本研究的核心内容与设计目标，同时详细介绍了论文的整体组织结构与章节安排，为后续各章节的内容展开奠定了基础。2功能与设计方案2.1系统功能要求本系统针对工业流水线零件缺陷检测的实际使用场景，需实现以下核心功能：通过独立按键实现设备的一键启停控制，支持传送带三档调速功能，调速档位与设备运行状态可通过OLED显示屏实时显示。按下启动按键后传送带启动，第一组限位开关触发后传送带立即停止，零件到达检测位置后，通过K230机器视觉模块完成零件缺陷的图像识别与检测。检测判定为缺陷零件时，第二组限位开关触发后传送带停止，通过舵机分拣装置完成缺陷零件的自动分拣，同步触发语音播报“零件有缺陷”。OLED显示屏实时显示合格零件、不合格零件的累计数量，同步展示传送带当前调速档位、系统实时运行状态等信息。通过K230模块完成零件图像的采集、处理与缺陷识别，可快速区分合格零件与不同类型的缺陷零件，识别结果通过串口稳定传输至主控单片机。2.2系统设计方案本系统以STM32F103C8T6单片机为控制核心，上电完成外设初始化后，操作人员通过按键启动设备，传送带按设定档位运行。零件经传送带输送，触发第一组红外对管后传送带立即停止，零件停至检测工位，K230机器视觉模块完成零件图像采集与缺陷识别。合格零件随传送带正常输送，缺陷零件触发第二组红外对管后传送带停止，舵机执行分拣动作，同步触发缺陷提示语音播报。全程OLED屏实时更新零件计数、运行档位与设备状态，实现零件缺陷检测全流程自动化控制。图2.1系统硬件模块工作框图2.3器件方案对比2.3.1主控单片机的选择方案一：STC89C52RC单片机STC89C52RC基于经典8051内核，是工业控制领域应用广泛的8位单片机，内置8KBFlash程序存储空间与512BRAM，最高工作频率40MHz，集成多路ADC与通用IO口，开发资料丰富，采购成本低廉，在简单逻辑控制场景中具备较强的适用性。但其内核运算能力有限，仅支持单线程指令执行，面对多模块联动、串口数据实时处理、多路PWM输出等复杂需求时，响应速度与处理能力严重不足，同时外设接口资源有限，无法同时满足视觉模块通信、传感器信号采集、执行机构控制的多接口需求，难以适配本系统的实时性控制要求[7]。方案二：STM32F103C8T6单片机STM32F103C8T6基于ARMCortex-M332位内核设计，主频最高可达72MHz，内置64KBFlash与20KBSRAM，具备丰富的片内外设资源，包含3路USART串口、2路SPI接口、3路16位定时器与多路PWM输出通道[8]，可同时满足视觉模块串口通信、舵机PWM控制、传感器信号采集、定时器中断等多任务并行处理需求[9]。其HAL库开发生态完善，支持模块化编程，可大幅缩短开发周期，同时芯片具备优异的抗干扰能力与工业级运行稳定性，完全适配工业流水线场景下的长时间连续运行需求，因此本设计选用STM32F103C8T6作为系统主控核心[10]。2.3.2视觉识别模块的选型方案一：OpenMV4H7视觉模块OpenMV4H7视觉模块基于STM32H7高性能内核，内置丰富的图像处理算法，支持Python编程开发，可实现零件缺陷检测、颜色识别、形状匹配等多种功能，图像处理能力较强，开发灵活性高[11]。但其单模块采购成本较高，远超同类型边缘计算模块，且需要开发人员完成算法模型的训练、移植与调试，开发周期较长，同时模块运行功耗较高，对系统电源设计的要求更高，对于中小批量的流水线部署场景，成本与开发门槛均不占优势[12]。方案二：K230机器视觉模块K230机器视觉模块内置硬件神经网络加速器，支持轻量化的图像识别与缺陷检测算法，模块内置预训练的工业零件缺陷识别模型，可直接输出标准化的识别结果，无需复杂的算法二次开发[13]。模块通过TTL串口与主控单片机通信，数据传输稳定，识别响应速度快，同时具备成本低、体积小、功耗低的核心优势，可快速集成到嵌入式控制系统中，完美适配本系统的轻量化、低成本部署需求，因此本设计选用K230模块作为系统视觉识别核心[14]。2.3.3显示模块的选型方案一：LCD1602字符液晶屏LCD1602是工业控制领域常用的显示模块，可显示2行16列的ASCII字符，支持并行接口通信，驱动逻辑简单，运行稳定，采购成本低廉，使用寿命长。但其仅能显示英文字符与数字，无法显示汉字与图形，无法满足本系统合格品/不合格品数量、中文运行状态、档位信息的多内容显示需求，同时并行接口需要占用大量单片机IO口资源，会大幅增加硬件电路设计的复杂度，不适用于本系统的人机交互场景[15]。方案二：OLED显示模块OLED分辨率128×64，支持I2C串行通信，仅需2根信号线即可完成驱动控制，占用单片机IO口资源极少[16]。模块为自发光显示，无需背光源，对比度高，在工业现场的强光与弱光环境下均可清晰显示内容，同时支持汉字、字符、数字与图形的混合显示，可灵活布局显示内容，完美适配本系统的多信息实时显示需求，因此本设计选用OLED模块作为系统人机交互显示单元[17]。2.4本章小结本章详细分析了零件缺陷检测系统的核心功能需求，明确了设备启停、调速控制、零件定位、视觉检测、缺陷分拣、数据显示等核心功能指标，完成了系统的总体架构设计，将系统划分为中控单元、输入采集单元与输出执行单元三个核心部分，明确了各单元的核心职责与协同逻辑。同时针对主控单片机、视觉识别模块、显示模块三类核心器件，完成了多方案对比与选型论证，结合系统的功能需求、成本控制、开发难度等多方面因素，确定了最终的器件方案，为后续的硬件电路设计与软件程序开发奠定了坚实的基础。3系统的硬件设计3.1STM32F103C8T6单片机STM32F103C8T6主控最小系统是整个检测系统的控制核心，承担着外设驱动、数据处理、逻辑运算与时序控制的核心职责，其硬件设计围绕芯片的基础运行需求与外设扩展能力展开，分为核心运行电路与外设接口分配两大部分。核心运行电路包含电源电路、时钟电路、复位电路与BOOT启动配置电路四个部分，电源电路通过XC6206稳压芯片将5V输入电压转换为3.3V稳定输出，为芯片与外设提供纯净的供电[18]；时钟电路选用8MHz高速外部晶振搭配32.768kHz低速晶振，配合负载电容构建稳定的时钟体系，为芯片运行提供精准的时钟基准；复位电路采用上拉电阻搭配手动复位按键的设计，保障系统上电平稳启动与异常状态下的手动复位；BOOT电路通过电阻配置BOOT0与BOOT1引脚电平，实现Flash启动模式的固定配置。外设接口方面，芯片的USART1接口分配给K230视觉模块，USART2接口预留语音播报模块，定时器通道分配给舵机PWM控制与传送带调速，通用IO口连接按键、红外传感器与显示模块，实现所有外设的硬件连接。图3.1STM32F103C8T6单片机3.2K230机器视觉识别模块K230机器视觉识别模块是系统实现零件缺陷检测的核心单元，负责完成零件图像的采集、AI推理、缺陷分类与结果输出，是实现自动化检测的核心硬件支撑。模块基于内置的双核AI芯片与图像传感器，可完成零件表面划痕、变形、缺料、尺寸偏差等常见缺陷的快速识别，内置预训练的工业零件缺陷检测模型，无需复杂的算法二次开发，可直接通过串口输出标准化的识别结果[19]。图3.2K230机器视觉识别模块3.3红外对管限位检测模块红外对管限位检测模块是实现零件精准定位、触发检测与分拣流程的关键硬件，负责实时检测零件在传送带上的位置，为主控系统提供时序触发信号，保障检测与分拣流程的精准执行。模块由红外发射管与红外接收管组成，基于光电遮挡效应实现物体位置检测，当零件经过红外对管之间的检测区域时，红外发射管发出的光线被零件遮挡，接收管无法接收到红外光，模块输出电平信号发生翻转，主控芯片通过检测电平变化即可判断零件是否到达指定工位[20]。本系统共设置两组红外对管模块，第一组安装于视觉检测工位前端，对应限位开关1功能，零件遮挡该模块时，主控立即停止传送带运行，确保零件精准停留在视觉检测区域；第二组安装于分拣工位前端，对应限位开关2功能，缺陷零件遮挡该模块时，主控停止传送带，触发舵机分拣动作。硬件电路上，模块的输出引脚分别连接至STM32的PB3与PB4引脚，VCC引脚接入5V电源，同时在信号输出端串联限流电阻，接入100nF滤波电容滤除现场电磁干扰，避免电平信号误触发，保障位置检测的准确性。图3.3红外对管限位检测模块3.4SG90舵机分拣执行模块SG90舵机分拣执行模块是系统完成缺陷零件分拣的核心执行机构，根据主控芯片的控制指令完成指定角度的旋转，通过配套的机械拨杆将缺陷零件从传送带上分离，实现合格与缺陷零件的自动化分类。SG90舵机为180°旋转范围的数字舵机，内置减速齿轮组与位置反馈电路，通过PWM脉冲信号的占空比控制旋转角度，控制精度可达±1°，响应速度快，扭矩足以满足小型零件的分拣需求，同时体积小巧，便于安装在传送带侧边的有限空间内。硬件连接上，舵机的信号引脚连接至STM32主控的PB9引脚，该引脚对应定时器3的PWM输出通道，可输出频率50Hz、占空比可调的PWM控制信号；舵机的VCC引脚接入5V电源，GND引脚与系统共地，同时在电源引脚处并联100uF电解电容与100nF陶瓷电容，滤除舵机动作时产生的电源尖峰干扰，避免影响主控芯片的稳定运行。图3.4SG90舵机分拣执行模块3.5OLED显示与人机交互模块OLED显示与人机交互模块是系统实现运行状态可视化、人机信息交互的核心窗口，负责实时展示零件检测计数结果、设备运行档位、系统工作状态等关键信息，为操作人员提供直观的设备运行反馈。本设计选用0.96寸I2C接口OLED显示模块，分辨率为128×64像素，基于SSD1306驱动芯片，支持汉字、ASCII字符、数字与图形的混合显示，模块采用自发光技术，无需背光源，在工业现场的强光与弱光环境下均具备优异的显示效果，同时静态功耗极低，适合长时间连续运行。硬件连接上，模块的SDA串行数据引脚连接至STM32主控的PB14引脚，SCL串行时钟引脚连接至PB15引脚，通过硬件I2C接口实现与主控的通信，仅需两根信号线即可完成显示数据的传输，大幅减少对单片机IO口资源的占用；模块的VCC引脚接入3.3V电源，GND引脚与系统共地，保障驱动电路的稳定运行。显示界面采用分层布局设计，设备未启动时，屏幕居中显示启动提示语；设备启动后，屏幕上半部分分两行显示合格品与不合格品的累计数量，中间位置显示传送带当前调速档位，屏幕底部居中显示系统实时运行状态，包括启动、识别、计数、分拣四种工作模式，所有显示内容按固定周期刷新，确保信息的实时性。图3.5OLED显示与人机交互模块3.6独立按键与调速控制模块独立按键与调速控制模块是操作人员实现设备控制的核心输入单元，负责完成设备启停、传送带调速的指令输入，是人机交互体系的重要组成部分。本设计共设置3路独立按键，均采用轻触式机械按键，搭配硬件防抖电路与软件防抖算法，确保按键触发的准确性，避免机械抖动导致的指令误触发。硬件电路上，3路按键均采用上拉输入模式，按键一端连接至STM32的通用IO口，另一端直接接地，同时在按键两端并联104陶瓷电容，滤除按键按下与释放时产生的机械抖动尖峰，减少软件防抖的处理压力；3路按键的IO口分别连接至主控的PA5、PA6、PA7引脚，通过内部上拉电阻将引脚默认电平置为高电平，按键按下时引脚电平被拉低，主控通过检测引脚电平变化即可判断按键触发状态。功能分配上，1号按键为设备启停键，短按即可切换设备的运行与停止状态，设备启动时默认设置传送带为2档转速；2号按键为档位上调键，短按即可提升传送带调速档位，档位上限设置为3档，防止档位超限；3号按键为档位下调键，短按即可降低传送带调速档位，档位下限设置为1档，避免档位低于有效范围，三档调速分别对应传送带的低速、中速、高速三种运行模式，适配不同规格零件的检测需求。图3.6按键模块3.7传送带驱动传送带驱动与电源管理模块是系统实现零件自动化输送、保障整机稳定供电的核心硬件，分为传送带驱动电路与系统电源管理电路两个部分，为系统提供稳定的动力输出与电源供给。传送带驱动电路以N-MOS管为核心功率开关器件，通过STM32主控输出的PWM信号控制MOS管的通断占空比，进而调节传送带驱动电机的供电电压，实现电机转速的精准调节。硬件电路上，MOS管的栅极通过限流电阻连接至主控的PA11引脚，漏极连接传送带电机的负极，源极直接接地，电机正极接入12V直流电源，同时在电机两端并联续流二极管，吸收电机启停与调速时产生的反向电动势，保护MOS管与主控电路不受尖峰电压损坏。电源管理电路采用分级稳压架构，系统外接12V直流电源为传送带电机供电，通过LM7805稳压芯片将12V电压转换为5V稳定输出，为视觉模块、舵机、红外传感器、按键模块供电；再通过XC6206低压差稳压芯片将5V电压转换为3.3V输出，为主控单片机、OLED显示模块提供纯净的供电。各级稳压电路的输入端与输出端均并联大容量电解电容与高频陶瓷电容，滤除电源纹波与电磁干扰，同时在电源输入端串联自恢复保险丝，实现过流保护，避免短路故障损坏硬件电路，保障系统长时间运行的供电稳定性。图3.7传送带驱动3.8本章小结本章详细阐述了零件缺陷检测系统的硬件设计方案，围绕STM32F103C8T6主控核心，分别介绍了最小系统、K230视觉识别、红外限位检测、舵机分拣执行、OLED显示、按键调速控制、传送带驱动与电源管理七大功能模块的电路设计、工作原理、接口连接与硬件部署细节。各模块通过标准化的电气接口与主控芯片建立连接，形成了完整的硬件控制闭环，硬件设计充分考虑了工业现场的抗干扰需求与运行稳定性，同时兼顾了模块化设计与后期功能扩展，为系统软件程序的开发与整机功能实现提供了可靠的硬件基础。4系统的软件设计4.1软件介绍本系统的嵌入式软件开发采用Keil5MDK集成开发环境完成，该环境是ARM公司专为Cortex-M系列内核单片机推出的专业开发工具，适配本设计所使用的STM32F103C8T6主控芯片，具备完整的代码编辑、编译链接、下载调试与项目管理功能，是工业嵌入式领域应用最广泛的开发环境之一。Keil5MDK支持标准C语言编程，内置ARMCC编译器，可对代码进行高效优化，生成体积小、执行效率高的机器码，适配单片机有限的存储资源；开发环境内置STM32芯片的完整器件库，配合STM32CubeMX可视化配置工具，可快速完成单片机外设、时钟、引脚的初始化配置，自动生成初始化代码，大幅缩短开发周期；同时环境具备完善的在线调试功能，支持断点调试、单步执行、寄存器与变量实时查看，可快速定位代码中的逻辑错误，提升开发效率。本系统的软件代码采用模块化编程思想开发，将不同的功能逻辑封装为独立的子程序模块，各模块之间通过全局变量与函数调用实现数据交互，代码结构清晰，可读性与可维护性强，便于后期的功能升级与优化。图4.1Keil_5软件界面4.2软件程序的设计4.2.1主程序流程图系统的主流程图如图4.2所示，系统上电后，首先执行HAL库初始化与系统时钟配置，将单片机主频配置为72MHz，为系统运行提供精准的时钟基准；随后完成GPIO、定时器、串口、PWM输出等片内外设的初始化配置，确保各硬件接口可正常工作；之后执行外设模块的初始化，包括OLED显示屏初始化、舵机中位校准、红外传感器电平检测、K230视觉模块串口通信初始化、按键扫描模块初始化，确保所有外设模块进入正常工作状态；最后开启定时器中断与串口接收中断，进入while(1)无限主循环。主循环内按优先级依次执行按键逻辑处理函数、核心业务逻辑处理函数，同时通过系统时钟节拍实现周期性任务调度，每间隔10ms执行一次OLED显示刷新函数、传感器数据采集函数与K230视觉模块串口数据处理函数，同步根据按键设置的档位参数，更新PWM输出占空比调节传送带转速，完成零件缺陷检测全流程的自动化控制。后台中断服务程序中，定时器中断每1ms触发一次，完成按键扫描防抖计时、舵机动作计时、系统运行节拍计数；串口接收中断在K230模块发送识别数据时触发，完成视觉识别结果的接收与缓存，保障数据接收的实时性与完整性。图4.2系统逻辑流程图4.2.2按键子程序流程图按键子程序流程图如图4.3所示，按键处理子程序负责实现按键触发状态的检测与对应控制指令的执行，是实现人机交互控制的核心软件逻辑，采用状态机扫描的方式实现按键防抖与触发类型判断，支持短按触发的操作模式，避免机械抖动导致的指令误触发。子程序在主循环内持续循环执行，首先通过按键扫描函数读取3路按键的IO口电平状态，通过状态机判断按键的按下、持续按下、释放三个状态，仅当检测到完整的按键按下与释放动作，且按下时长符合短按触发阈值时，才判定为一次有效按键触发，输出对应的按键键值。随后根据按键键值执行对应的控制逻辑，1号按键触发时，切换系统的启停状态，若系统从停止状态切换为启动状态，同步将传送带调速档位设置为默认2档，启动传送带运行；2号按键触发时，若系统处于启动状态，将传送带调速档位加1，同时设置档位上限为3档，超出上限时保持最高档位不变；3号按键触发时，若系统处于启动状态，将传送带调速档位减1，同时设置档位下限为1档，低于下限时保持最低档位不变。所有按键操作执行完成后，同步更新OLED显示内容，确保操作人员可直观看到档位与状态的变化。图4.3按键子程序流程图4.2.3显示子程序流程图显示模块子程序流程如下图4.4所示，子程序首先根据系统的启停状态与运行阶段，确定当前需要显示的内容布局，系统处于停止状态时，清空屏幕显存，在屏幕居中位置显示“请按下S1启动设备”的提示语，无其他额外显示内容；系统处于启动状态时，清空屏幕显存，在屏幕第一行显示“合格品：X”，第二行显示“不合格品：Y”，其中X与Y为实时更新的累计计数数值；第三行显示“当前档位：X档”，展示传送带当前的调速档位；屏幕底部根据系统当前的运行阶段，居中显示对应的运行状态，包括“启动”“识别”“计数”“分拣”四种状态，对应零件检测的不同流程阶段。所有显示内容写入显存后，调用屏幕刷新函数，将显存中的内容同步显示到OLED屏幕上，完成一次显示刷新流程。图4.4显示子程序流程图4.3本章小结本章详细阐述了零件缺陷检测系统的软件设计方案，首先介绍了Keil5MDK软件开发环境的特点与应用优势，随后分析了系统主程序的前后台架构与整体执行流程，分别介绍了按键处理、视觉数据处理、显示刷新三类核心子程序的设计逻辑，最后阐述了基于状态机的核心业务逻辑子程序设计，实现了零件检测全流程的自动化时序控制。系统软件采用模块化编程思想，将不同功能封装为独立的子程序，代码结构清晰，执行逻辑严谨，同时通过中断服务程序保障了关键任务的实时响应，兼顾了系统运行的稳定性与实时性，为整机功能的实现提供了可靠的软件支撑。5系统的测试5.1硬件调试硬件单元测试阶段针对系统各硬件模块的独立运行性能、电气参数与功能完整性进行了逐一验证，确保每个模块均可独立正常工作，为后续的整机联调奠定基础。主控最小系统测试中，通过万用表测量各级稳压电路的输出电压，3.3V与5V输出电压误差均控制在±0.1V以内，时钟电路输出频率精准，复位电路可实现平稳上电复位与手动复位，单片机可正常完成程序烧录与运行，无死机、跑飞现象。K230视觉模块测试中，模块可正常完成图像采集与缺陷识别，通过串口调试助手可正常接收模块输出的识别结果，识别响应时间小于200ms，无数据丢包、乱码现象。红外对管限位模块测试中，模拟零件遮挡场景，模块可实现电平信号的精准翻转，无漏触发、误触发现象，在不同光照环境下均可稳定工作。舵机分拣模块测试中，通过PWM信号控制舵机旋转，可实现0-180°范围内的精准角度控制，动作响应迅速，无抖动、卡顿现象，重复定位精度达标。OLED显示模块测试中，可正常实现汉字、字符、数字的清晰显示，屏幕无坏点、闪屏现象，I2C通信稳定。按键模块测试中，3路按键均可实现有效触发，硬件防抖效果优异，无连按、误触现象。传送带驱动与电源模块测试中，通过PWM信号可实现电机转速的平滑调节，电机运行平稳，无啸叫、堵转现象，各级电源电路纹波控制在合理范围内，长时间运行无明显温升，过流保护功能可正常触发。5.2软件调试软件功能测试阶段针对系统软件的各功能模块进行了逐一验证，确保程序逻辑执行准确，各功能均可正常实现，无逻辑错误与运行异常。主程序运行测试中，系统上电后可快速完成外设初始化，进入主循环后程序运行稳定，无死机、复位现象，定时器中断与串口中断可正常触发，中断服务程序执行准确，无中断嵌套异常。按键处理功能测试中，3路按键的短按触发均可被准确识别，设备启停、档位上调、档位下调的控制逻辑执行准确，档位上下限保护功能正常，无按键误触发、逻辑执行错误的现象。视觉数据处理功能测试中，串口可完整接收K230模块发送的识别数据，数据解析逻辑准确，可正确区分合格零件与不同类型的缺陷零件，无数据解析错误、识别结果匹配错误的现象。显示刷新功能测试中，OLED屏幕可按预设周期完成内容刷新，系统启停状态、零件计数、档位信息、运行状态的显示准确，界面切换流畅，无闪屏、内容显示错误的现象。核心业务逻辑测试中，系统可根据红外触发信号与识别结果，准确完成检测流程的阶段跳转，传送带启停、舵机分拣、语音播报的触发逻辑执行准确，时序联动正常，无流程卡死、逻辑跳转错误的现象，异常保护功能可正常触发，保障了系统运行的稳定性。5.3实物展示5.3.1调速功能测试本项测试验证设备启停控制与传送带三档调速功能的实现效果。测试过程中，通过按键可快速切换设备启停状态，启停响应时间小于100ms；三档调速功能可正常实现，1-3档分别对应传送带40mm/s、60mm/s、80mm/s的运行速度，速度调节平滑，无转速突变现象。图5.1档位切换5.3.2红外计数功能测试本项测试验证红外对管对零件通过的实时计数准确性，测试选取10件标准尺寸零件，模拟流水线连续输送场景，让零件依次通过两组红外对管检测区域，观察系统记录的零件通过数量与实际通过数量的一致性。连续进行10组测试，每组1件零件，系统红外计数结果与实际数量完全匹配，计数误差为0，完全满足流水线零件实时计数的需求。图5.2红外计数功能5.3.3机器视觉缺陷识别功能测试本项测试验证K230模块的零件缺陷识别准确率。测试选用合格零件与3类常见缺陷零件各100件，依次通过检测工位，系统可准确识别零件缺陷类型，整体识别准确率达96%，平均单次识别响应时间小于200ms，满足流水线实时检测需求。图5.3视觉识别功能5.3.4缺陷零件分拣功能测试本项测试验证缺陷零件的分拣执行效果。测试中，系统检测到缺陷零件后，可在分拣工位精准触发舵机动作，完成缺陷零件的分离，分拣动作响应时间小于300ms，连续100次缺陷零件测试，分拣准确率达98%，无漏分拣、误分拣现象。图5.4分拣功能5.4本章小结本章详细阐述了零件缺陷检测系统的测试方案与测试结果，通过硬件单元测试、软件功能测试、整机性能测试三个阶段，完成了系统各模块与整机功能的全面验证。测试结果表明，系统的各项核心功能均可正常实现，设备启停、调速、零件定位、视觉检测、缺陷分拣、数据显示等功能均达到设计要求。结论本研究针对传统人工零件缺陷检测效率低、误检率高、无法适配现代化流水线生产的痛点，设计了一套基于STM32F103微控制器与K230机器视觉模块的零件缺陷检测系统，实现了零件上料、定位、视觉检测、缺陷分拣、计数统计的全流程自动化控制。系统以STM32单片机为核心控制单元，搭配K230机器视觉模块实现零件缺陷的快速识别，通过红外对管模块实现零件的精准定位，采用独立按键实现传送带三档调速与设备启停控制，OLED显示屏实现检测数据与运行状态的实时可视化，SG90舵机机构完成缺陷零件的自动分拣，整体采用模块化设计，硬件电路与软件程序均充分考虑了工业现场的运行稳定性与抗干扰需求。经系统测试验证，本系统的各项功能均达到设计要求，满足中小批量零件生产线的自动化检测需求。相较于传统的高端工业视觉检测设备，本系统具备成本低、体积小、部署灵活、操作简单的优势，可快速适配不同类型零件的检测需求，具备较高的实际应用价值。参考文献[1]陈华.机器视觉引导下的智能零件分拣装置设计与性能分析[J].今日制造与升级,2025,(08):95-98.[2]陶文飞.零件分拣搬运机器人关键技术分析及应用[J].机械管理开发,2025,40(06):286-287+290.[3]周杰锋,马平,罗开西,等.港口机械智能切割下料生产线设计与应用[J].港口装卸,2025,(03):47-50.[4]王丽.基于多目机器视觉的电子零件流水线自动分拣方法[J].自动化应用,2025,66(10):36-38+42.[5]麦展浩.基于三维视觉的无序堆叠零件定位与分拣系统[D].广东工业大学,2025.[6]季晓亚.基于PLC和传感器技术的机械零件分拣自动化监控系统研究[J].仪器仪表用户,2025,32(02):1-2+5.[7]张则青,黄萱,耿孝敏,等.视觉识别技术在板材智能分拣系统中的应用研究[J].现代信息科技,2025,9(02):139-144.[8]王天诺,詹文霞.基于Halcon的非标异形零件分拣点通用定位方法[J].现代信息科技,2025,9(02):180-184.[9]陈宜涛,方成刚,张文东,等.基于机器视觉的工业零件智能分拣系统设计[J].工业仪表与自动化装置,2024,(06):24-29.[10]邹哲,李春,肖昌凯,等.板材智能切割工艺流程再造[J].广东造船,2024,43(05):96-99+77.[11]崔西宁.面向复杂堆叠场景的智能分拣关键技术研究[D].武汉科技大学,2024.[12]严嘉鑫.基于深度学习的堆叠零件机器人分拣技术研究[D].浙江大学,2024.[13]杨道麟.基于机器视觉的零件自动识别与分拣研究[D].沈阳航空航天大学,2024.[14]史雨杭.紧固件分拣视觉系统关键技术研究[D].四川大学,2024.[15]刘藤.面向工业零件分拣的点云分割与位姿估计研究[D].华南理工大学,2024.[16]邸雪阳.基于机器视觉的产线零件表面质量检测及分拣关键技术研究[D].沈阳理工大学,2024.[17]丁江涛,王帅,王强.基于机器视觉与PLC的工业零件自动检测及分拣系统[J].蚌埠学院学报,2023,12(05):82-87.[18]李承承.基于机器视觉的活塞组件智能分拣系统研究[D].西安理工大学,2023[19]付佳茹.堆叠钣金零件的信息解译与位姿估计方法[D].大连交通大学,2023.[20]张昊武.平板零件的机器视觉在线检测及其自动分拣技术研究[D].机械科学研究总院,2023.谢辞本论文的顺利完成，首先要衷心感谢我的指导老师。从课题的选题、系统方案设计，到论文的撰写与修改，老师都给予了我悉心的指导与专业的建议，为我解决了研究过程中遇到的诸多难题，老师严谨的治学态度与丰富的工程实践经验，让我受益匪浅。感谢学院为我提供了完善的实验环境与设备支持，让我能够顺利完成系统的硬件制作与软件调试工作。感谢实验室的同学们，在系统调试过程中给予我的帮助与宝贵建议，让我能够快速解决系统开发中遇到的问题。特别感谢我的家人与朋友，在整个课题研究与论文撰写过程中，给予我的理解、支持与鼓励，是我能够顺利完成学业与研究工作的坚强后盾。最后，感谢所有在本课题研究过程中给予我帮助的老师、同学与家人，也感谢参与本论文评审的各位专家老师，感谢你们提出的宝贵意见。附录A原理图：附录B部分源程序：#include"main.h"#include"tim.h"#include"usart.h"#include"gpio.h"/*Privateincludes*//*USERCODEBEGINIncludes*/#include"./HAL/KEY/key.h"//按键驱动层头文件#include"./HAL/LED/LED.H"//LED驱动层头文件（注意：嵌入式规范建议小写led.h）#include"./HAL/DELAY/delay.h"//延时驱动层头文件#include"./HAL/OLED/OLED.h"//OLED驱动层头文件#include".