機器視覺表面缺陷檢測介紹

2022-07-30 11:21:09 精質視覺

　　機器視覺表面缺陷檢測在工業生產中扮演著重要的角色。傳統都是直接人工肉眼鑒別是否存在表面缺陷，不僅耗費人力且不能準確識別缺陷。

機器視覺表面缺陷檢測介紹

　　機器視覺可以替代人眼進行檢測，但在實際應用中仍面臨很多挑戰，尤其是近幾年的傳統圖像算法解決方案基于經驗手工設計，算法存在精度較低且不夠魯棒的問題，特別是在諸如打光、形變、失真和遮擋等復雜的場景中。現今深度學習在特征提取方面有著亮眼的表現，在諸多有監督的任務上都取得了優質的表現，例如分類、目標檢測和圖像分割。

　　同時，近年來也涌現了不少用卷積神經網絡來進行缺陷檢測的方案，其中最常見的是直接利用目標檢測網絡如Faster RCNN或者SSD對缺陷進行定位和分類。也有先用目標檢測進行粗定位，然后用FCN進行語義分割得到精確定位的方法，這種方法可以得到缺陷的精準輪廓，但是這些方法都屬于有監督的學習，在實際的工業應用中存在以下問題：

　　缺少缺陷樣本：在實際應用中，用于訓練的缺陷樣本往往是非常稀少且難以獲取的。因此在訓練過程中正負樣本是非常不均衡的，這極大的限制了模型的性能，甚至導致模型完全不可用。在缺陷外觀多變的場景下，有監督學習的方法往往無法滿足正常的生產需求。

　　人工標注成本高昂：實際的工業缺陷檢測場景中，通常存在許多不同種類的缺陷，檢測的標準和質量指標往往也不同。這就需要人為標注大量的訓練數據來滿足特定需求，這需要付出大量的人力資源。