针对汽车后雨刮器齿轮连杆机构自动装配中，支撑塑料盖等薄壁小零件存在裂纹、损坏、漏装等多种缺陷，难以人工在线识别，传统的机器视觉辨识度不高的问题，本文在YOLO　v3网络多目标缺陷检测算法的基础上，采用K均值聚类方法，同时用Mish激活函数代替YOLO-v3网络中常用的Leaky　ReLU激活函数，增强了网络学习能力。实验结果表明，与传统的YOLO和v3算法相比，改进后的YOLO和v3具有更高的检测精度和速度。该在线缺陷检测方法已成功应用于实际的汽车后雨刮器自动装配线上，满足了配套塑料盖在线缺陷检测的速度和精度要求，有效提高了汽车后雨刮器齿轮连杆总成的装配质量。