基于机器视觉深度学习的金属表面缺陷检测方法

2022-07-19 10:36:39

　　基于深度学习的金属表面缺陷检测方法，包括：

　　步骤1，根据金属缺陷零件大小确定相机和光源型号，搭建好光源和相机的取图环境，进行图像采集;

　　步骤2，对采集的图像进行数据集标注和数据集增强，并输入到混合特征金字塔网络结构中，进行特征提取;

　　步骤3，将得到的每一层的特征图输入到RPN网络中，进行候选区域选取。

　　这种方法，实现了自动对生产线输入图像进行检测和缺陷识别定位，特征自动提取，消除手工特征提取带来的负影响，克服了机器视觉中受环境因素影响较大的缺点。
基于机器视觉深度学习的金属表面缺陷检测方法

　　基于机器视觉检测的金属表面缺陷检测设备经过一系列的图像处理算法，可以识别金属卷材、带材表面的缺陷，如常见的辊印、划痕、锈痕、羽纹、粘结、折印等，广泛应用于钢铁、有色金属，有助于减少漏检发生率，提高产品的质量，使冶金带钢的生产管理者彻底摆脱了无法全面掌握产品表面质量的状态。

　　它的工作原理是采用高速CCD工业相机对板材表面进行实时拍照，照片经数字化处理后，送入主机进行图像处理，通过参数计算，对板材图片提取特征，以检测表面缺陷信息，然后进行分类定等级。

　　其次，利用视觉检测设备以数字的形式对信号进行采集、滤波、检测、均衡、去噪、估计等处理，从而得到符合需要的信号形式，包括图像变换，图像编码，图像增强，图像恢复，图像分割，图像理解，识别系统等。

　　通过线阵相机环绕一周扫描得到图像，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。标注结束后，无需配置模型训练参数和服务器资源，一键训练进入深度学习阶段，精准判断图片中缺陷信息特征。

　　基于机器视觉检测的金属表面缺陷检测设备可用于冷轧板、酸洗板、汽车钢板、不锈钢板、彩钢板、镀锌板、镀锡板、镀金板、有色金属带材及各类复合带材卷材表面质量检测。

　　可广泛安装于冷轧线、开卷线、分卷线、钢板配送中、其它金属材料材生产加工线等领域。

　　矩视智能机器视觉低代码平台是一个面向机器视觉应用的云端协同开发平台，始终秉承0成本、0代码、0门槛、0硬件的产品理念。

　　平台以人工智能技术为核心，在机器视觉应用开发环节，为开发者提供图像采集、图像标注、算法开发、算法封装和应用集成的一站式完整工具链。覆盖字符识别、缺陷检测、目标定位、尺寸测量、3D测量、视频开发等上百项通用功能，致力于成为全球用户量最多，落地场景最广泛的机器视觉低代码平台。

高精度针孔检测设备