深(shen)度學習(xi):複雜場景下(xia)的複(fu)雜缺陷(xian)檢(jian)測方(fang)法

隨著(zhu)自動化(hua)技術的快(kuai)速發(fa)展，在(zai)工(gong)業(ye)生(sheng)產中(zhong)很(hen)多需(xu)要人工操作(zuo)的環(huan)節(jie)逐漸(jian)轉由機器(qi)完成(cheng)，工業生產(chan)自動化也(ye)將(jiang)越(yue)來越多的工人們(men)從(cong)枯(ku)燥(zao)乏(fa)味(wei)的工作中解放(fang)出來(lai)，讓(rang)他(ta)們去發揮更大的價(jia)值(zhi)。

產品表(biao)麵(mian)缺(que)陷檢測(ce)是工業生產中的重(zhong)要(yao)環節，是(shi)產品質量(liang)把控的關鍵步驟(zhou)，借助缺陷檢測技術(shu)可以有(you)效的提(ti)高生產質量和效(xiao)率(lv)。但(dan)是由於設備(bei)及(ji)工藝(yi)等(deng)因素的影(ying)響，產品表麵的缺陷類型(xing)往往五花八(ba)門，比如織(zhi)物(wu)生產中方出現(xian)的汙(wu)點、破損，金屬(shu)產品(pin)上(shang)的劃(hua)痕、裂紋(wen)、凹(ao)凸(tu)不(bu)平(ping)等各(ge)種不同類型的缺陷，如下圖(tu)所示。

單張(zhang)圖片中的缺陷多樣且(qie)不同缺陷表現形(xing)式的也不相(xiang)同(tong)，給(gei)缺陷的自動(dong)化檢測帶(dai)來了(le)困難(nan)。

二、傳統(tong)算(suan)法(fa)

傳統的表麵缺陷檢測算法結(jie)構(gou)通(tong)過(guo)圖像預(yu)處(chu)理(li)得到便於(yu)檢測的圖像，隨後借(jie)助統計(ji)機(ji)器學習方法來提取圖像特(te)征，進(jin)而(er)實現缺陷檢測的目標。

圖像預處理通常(chang)包括(kuo)直方圖均(jun)衡(heng)化、濾(lv)波去(qu)噪(zao)、灰度(du)二值化、再次(ci)濾波(bo)幾部(bu)分(fen)，以(yi)得(de)到(dao)前後景分離(li)的簡(jian)單(dan)化圖像(xiang)信(xin)息；隨後(hou)利用數學形態(tai)學(xue)、傅裏葉變(bian)換(huan)、Gabor 變換等算法以及機器學習模(mo)型完成缺陷的標記(ji)與檢測。

上述傳統算法在某些(xie)特定的應用中已(yi)經(jing)取得了較(jiao)好(hao)的效果，但仍(reng)然存(cun)在許多(duo)不足(zu)。例如(ru)：圖像預處理步驟繁(fan)多且具(ju)有強(qiang)烈的針(zhen)對(dui)性，魯(lu)棒(bang)性(xing)差(cha)；多種算法計算量驚(jing)人且無法精確的檢測缺陷的大小(xiao)和形狀。而深度學習可(ke)以直(zhi)接通過學習數(shu)據更新(xin)參(can)數，避(bi)免了人工設計複雜(za)的算法流程，並且有著極高的魯棒性和精度。

三、深度學習

目前，基(ji)於深度學習的缺陷檢測已經應用於金屬固件、布匹絲織物、建築裂紋、鋼(gang)筋(jin)裂(lie)紋等多個領(ling)域，並取得了不錯(cuo)的成果(guo)。

“亚洲国产精品视频免费光(guang)電”是中國領先(xian)的人工智(zhi)能設備和(he)人工智能(neng)解決方案的服務(wu)商，公(gong)司集研(yan)發、生產、銷售和服(fu)務四位(wei)一(yi)體(ti)，提供整套機器視覺解(jie)決方案(an)、機器視覺軟件開(kai)發包(bao)、機器視(shi)覺光源(yuan)、工業相機、鏡頭、圖像處理器、智能相機等，提供專業一流(liu)的人工智能設備與全(quan)麵的人工智能解決方案。