本项目研究对象主要为汽车门槛胶，目的是对汽车门槛涂胶检测环节搭建一套完整的智能化的门槛胶质量缺陷检测系统，解决实际生产中人工检测涂胶质量检测效率低的问题。通过结合传统视觉算法与人工智能方法，使用机器视觉技术对各类不同的涂胶缺陷进行分类与检测，并对涂胶过程中的各项质量检测指标进行检测以完成缺陷分析与反馈，达成检测系统的闭环。

本项目研究采用机器视觉技术，构建一套智能化的门槛胶质量缺陷检测系统，通过在线采集胶体照片，实时进行缺陷自动识别与分类，并基于工艺参数与经验知识，对缺陷问题进行溯源，实现涂胶质量的自动检测与预警。

成功构建一套智能化的门槛胶质量缺陷检测系统：采用传统视觉算法缺陷检测，成功对区域性缺陷（包括漏喷、飞扬、刮蹭等），波浪、滴料等缺陷类型进行检测。基于深度学习神经网络对涂胶缺陷进行分类，实现对涂胶缺陷数据集的有效检测，准确率达到97+%。应用SPC控制图法，对车身门槛涂胶缺陷各项质量检测指标进行检测，用于追溯生产过程中出现的质量问题。并针对此智能检测系统设计对应的程序界面，使各处理环节可视化。