摘要：基于机器视觉的螺纹测量易受到工业环境(例如灰尘、铁屑、油渍等)的干扰,且需要人工半自动干预,导致测量结果不稳定。通过加入Attention机制对R2Unet模型进行改进,提出一种基于AA R2Unet深度学习模型和隐马尔科夫模型的高精密螺纹全自动精确测量方法。首先,为了克服工业环境中灰尘、铁屑等因素的干扰,设计了AA R2Unet模型对外螺纹进行有效边缘识别与提取;然后,通过计算螺纹边缘点梯度方向特征信息,使用隐马尔可夫模型对螺纹边缘点进行分类,达到螺纹零件在测量过程中可以任意角度放置的目的。通过实际采集工件图像制作数据集进行实验验证,结果表明,基于AA R2Unet的螺纹边缘提取方法分割精度达到95.92%,基于隐马尔可夫模型的螺纹边缘点分类准确率达到86%以上,外径测量误差在0.01 mm以内。