高精度針孔檢測設備
More >>
您所在的位置：精質(zhì)視覺 > 新聞中心>基于機器視覺深度學習的金屬表面缺陷檢測方法
2022-07-19 10:36:39 精質(zhì)視覺
基于深度學習的金屬表面缺陷檢測方法，包括：
步驟1，根據(jù)金屬缺陷零件大小確定相機和光源型號，搭建好光源和相機的取圖環(huán)境，進行圖像采集;
步驟2，對采集的圖像進行數(shù)據(jù)集標注和數(shù)據(jù)集增強，并輸入到混合特征金字塔網(wǎng)絡結(jié)構(gòu)中，進行特征提取;
步驟3，將得到的每一層的特征圖輸入到RPN網(wǎng)絡中，進行候選區(qū)域選取。
這種方法，實現(xiàn)了自動對生產(chǎn)線輸入圖像進行檢測和缺陷識別定位，特征自動提取，消除手工特征提取帶來的負影響，克服了機器視覺中受環(huán)境因素影響較大的缺點。
基于機器視覺檢測的金屬表面缺陷檢測設備經(jīng)過一系列的圖像處理算法，可以識別金屬卷材、帶材表面的缺陷，如常見的輥印、劃痕、銹痕、羽紋、粘結(jié)、折印等，廣泛應用于鋼鐵、有色金屬，有助于減少漏檢發(fā)生率，提高產(chǎn)品的質(zhì)量，使冶金帶鋼的生產(chǎn)管理者徹底擺脫了無法全面掌握產(chǎn)品表面質(zhì)量的狀態(tài)。
它的工作原理是采用高速CCD工業(yè)相機對板材表面進行實時拍照，照片經(jīng)數(shù)字化處理后，送入主機進行圖像處理，通過參數(shù)計算，對板材圖片提取特征，以檢測表面缺陷信息，然后進行分類定等級。
其次，利用視覺檢測設備以數(shù)字的形式對信號進行采集、濾波、檢測、均衡、去噪、估計等處理，從而得到符合需要的信號形式，包括圖像變換，圖像編碼，圖像增強，圖像恢復，圖像分割，圖像理解，識別系統(tǒng)等。
通過線陣相機環(huán)繞一周掃描得到圖像，對于缺陷的類別，國標中是有定義的，分了很多種情況，針對不同的廠家需求也有不同的要求。比方說印，可分為壓印，劃痕，坑的具體科目。
這里主要分為三類，印，電鍍不良及臟污。標注結(jié)束后，無需配置模型訓練參數(shù)和服務器資源，一鍵訓練進入深度學習階段，精準判斷圖片中缺陷信息特征。
基于機器視覺檢測的金屬表面缺陷檢測設備可用于冷軋板、酸洗板、汽車鋼板、不銹鋼板、彩鋼板、鍍鋅板、鍍錫板、鍍金板、有色金屬帶材及各類復合帶材卷材表面質(zhì)量檢測。
可廣泛安裝于冷軋線、開卷線、分卷線、鋼板配送中、其它金屬材料材生產(chǎn)加工線等領(lǐng)域。
矩視智能機器視覺低代碼平臺是一個面向機器視覺應用的云端協(xié)同開發(fā)平臺，始終秉承0成本、0代碼、0門檻、0硬件的產(chǎn)品理念。
平臺以人工智能技術(shù)為核心，在機器視覺應用開發(fā)環(huán)節(jié)，為開發(fā)者提供圖像采集、圖像標注、算法開發(fā)、算法封裝和應用集成的一站式完整工具鏈。覆蓋字符識別、缺陷檢測、目標定位、尺寸測量、3D測量、視頻開發(fā)等上百項通用功能，致力于成為全球用戶量最多，落地場景最廣泛的機器視覺低代碼平臺。
