1介绍

缺陷检测是工业视觉技术中最重要的组成部分。业务广泛，场景丰富，技术难点高、工作量大。针对不同的场景，选择不同的相机和识别方法。

一般情况下，工业视觉相机分为面阵和线阵，大部分有点要求的场景对应需要的相机都比较贵，动辄几千块，相机还要配套光源、镜头，都比较贵，一套成像系统下来一万块也只是入门级别的。算法的研发费用也是比较贵的，一种产品缺陷的研发周期至少也是一个月以上，往往需要一个小团队共同开发。很多场景的缺陷至今是无法解决或者无法实用的。这就造成了有的场景利润低，用人工比用机器更省钱，有的场景利润高，可惜没人能作出实用的系统。

2方法

由于不同的缺陷适用不同的算法，需声明下这里介绍的算法仅适用于光滑表面缺陷检测，不保证可用于其他方向。

2.1物体及成像

首先，我们来看下物体。如下图所示：

由于对具体行业情况不是很清楚，只能称之为金属件，大概是用在特殊领域吧。成像效果如下：

如上图所示，是通过线阵相机环绕一周扫描得到的图像。清晰度还是比较高的，就是设备比较费钱。

2.2缺陷分类

对于缺陷的类别，国标中是有定义的，分了很多种情况，针对不同的厂家需求也有不同的要求。比方说印，可分为压印，划痕，坑的具体科目。这里主要分为三类，印，电镀不良及脏污。如下图所示：

绿框标注的是脏污，红框标注的是电镀不良，蓝框标注印。

2.3数据标注

本方法采用深度学习分类技术，对于样本的标注采取mask的方式，mask灰度值不同用来指示类别。如下图所示：

2.4分类器训练

训练流程如下：

1）将扫描图片根据金属件宽度缩放到指定大小，并进行微弱的随机放大缩小；

2）设定窗口大小如15x15,以滑动窗口的形式，扫描金属件，得到样本，其中正样本为缺陷面积占窗口大于20%，类别为面积最大的类型（考虑到有交际的情况），负样本为缺陷面积占窗口小于1%，其他情况舍弃（保留中间地带进行界限区分）；

3）采用简单的卷积网络作为分类器训练，多个分类器形成级联分类器；

2.5预测过程

预测过程如下：

1）对输入图像，根据金属件宽度缩放到指定大小；

2）滑动窗口对缺陷的每一块进行分类；

3）用生长算法将小的缺陷框合成一个大的框输出

3核心思维

算法设计比较简单，有几个点是非常重要却也容易忽略掉的：

1）样本的标注要尽可能细致，要考虑到金属件的尺度和窗口的大小，十分影响缺陷的定义；

2）参与训练的样本，正负分明，抛弃一定的中间样本，这些样本往往是缺陷的边界，及细小的不需要检测的缺陷；

3）缺陷的形状千奇百怪，没有固定的外形模式，通用的目标检测容易出错，代价比较高；

4）样本增强无需考虑太多，成像情况通常比较稳定；

5）采用级联分类的方式将极大的提升速度，总的效果相对于单一分类器无差别；

6）采用分割方式（点像素分类）所需样本多，没有样本间隔的机制，达到同样的效果，时间复杂度显著比较高。

4结果

总计标注200余张样本，覆盖各种类型的缺陷。在2000余张不参与训练的样本测试，明显缺陷检出率100%，误检率0.1%（大多比较小）。效果如下：

左边为未对缺陷框生长的效果，右边为生长结果。

5声明

本文仅提供一种思路用于学习和研究，代码数据不会提供。有问题请私信，勿评论。

缺陷检测-金属表面缺陷检测相关推荐

VIDI软件在粗糙金属表面缺陷检测中的应用
2017年1月12日在中国汽车协会举办的信息发布会上,中汽协秘书长助理代表协会对2017年中国汽车市场作出预测:"2017年我国的汽车产销量预计为2940万辆,增速预计保持在5%左右.&qu ...
python+opencv实现机器视觉基础技术(2)(宽度测量，缺陷检测，医学检测
本篇博客接着讲解机器视觉的有关技术和知识.包括宽度测量,缺陷检测,医学处理. 一:宽度测量在传统的自动化生产中,对于尺寸的测量,典型的方法就是千分尺.游标卡尺.塞尺等.而这些测量手段测量精度低 ...
高反光金属工件缺陷检测|高反光材料检测方案
金属工件作为制造业中不可或缺的重要组成部分,其表面瑕疵不但影响美观,更会影响工件的使用性能,使产品安全性降低,由于这些工件表面光滑,同时具有高反光等特性,检测时会影响被测物的特征提取,无论是人工检测还 ...
【目标检测论文解读复现NO.27】基于改进YOLOv5的螺纹钢表面缺陷检测
前言此前出了目标改进算法专栏,但是对于应用于什么场景,需要什么改进方法对应与自己的应用场景有效果,并且多少改进点能发什么水平的文章,为解决大家的困惑,此系列文章旨在给大家解读最新目标检测算法论文,帮 ...
SCI论文解读复现【NO.3】MSFT-YOLO：基于变压器的改进YOLOv5钢表面缺陷检测(代码已复现)
此前出了目标检测算法改进专栏,但是对于应用于什么场景,需要什么改进方法对应与自己的应用场景有效果,并且多少改进点能发什么水平的文章,为解决大家的困惑,此系列文章旨在给大家解读发表高水平学术期刊中的SC ...
论文研究 | 基于机器视觉的钢材表面缺陷检测
钢材是发展现代工业技术的基本材料,随着工业制造能力的提升,钢材广泛应用于建筑行业.海洋工程.航天工程,对钢材也提出了更严苛的要求.然而由于生产工艺限制,钢材在生产过程中不可避免地存在深度各异的表面缺陷 ...
visionpro定位不跟随图像_塑料薄膜缺陷之机器视觉定位检测
随着科技发展和需求量的提升,越来越多的薄膜生产企业要求速度更快.幅度更高的生产线.然而,依靠人工检测早已无法满足生产和高速的薄膜生产线的需求,容易造成质量的损失.薄膜表面瑕疵缺陷检测主要是检测在生产过 ...
哪些PCB缺陷适合用X-ray检测技术？
在大批量PCB生产测试中,X-ray无疑是排名靠前的检测手段之一.X-ray检测的常见元器器件主要有BGA.QFN.LGA.QFN等.本期SPEA为大家讲解下哪些缺陷适合采用X-ray技术. X-ra ...
PGA-Net：基于金字塔特征融合与全局上下文注意力网络的自动表面缺陷检测
1.摘要缺陷检测是工业产品处理中的一项重要任务.当前,已经有很多基于计算机视觉技术的检测方法成功应用于工业领域并取得了较好的检测结果.然而,受限于类间表面缺陷的内在复杂性,使得实现完全自动的缺陷 ...

缺陷检测-金属表面缺陷检测

1介绍

2方法