农业机械装备智能化升级是目前农业机械领域研究的热点。机器视觉技术应用于农作物的修剪、采摘等领域的研究，已取得初步成果，但是在农业机械装备中进行机器视觉的缺陷检测鲜有研究。研究针对农用机械发动机水泵气密性能缺陷，进行基于机器视觉的自动化检测技术进行相关试验研究。采用基于MobileNetV3卷积神经网络的深度学习算法进行气泡识别。在进行气密性检测试验中，首先需要对气泡原始图像进行气泡区域提取算法处理，以降低图像的分辨率，然后将处理后的图像用于MobileNetV3卷积神经网络进行深度学习，训练后的神经网络模型就可以实现气密性检测中对气泡进行识别和定位。将识别结果与人工标注结果进行对比，计算出气泡识别算法的气泡漏检率。试验结果表明，气泡识别算法的漏检率与气泡平均直径存在较大关联，总体上表现为气泡平均直径越小，气泡的漏检率越高，气泡平均直径与发动机水泵壳体上的泄漏孔大小成正比关系。当气泡平均直径大于0.2mm时，气泡漏检率均在2%以下；平均直径小于0.2 mm的气泡，漏检情况相对较多，漏检率在5%~10%波动。研究提出的气泡识别算法能够对图像中的气泡进行识别和标记，从而检测出发动机水泵壳体的气密性能。算法对于小尺寸气泡的识别能力有待进一步提高，以增强对微小气泡特征的捕捉能力。
