机器视觉表面缺陷检测介绍
2022-07-30
机器视觉可以替代人眼进行检测，但在实际应用中仍面临很多挑战，尤其是近几年的传统图像算法解决方案基于经验手工设计，算法存在精度较低且不够鲁棒的问题，特别是在诸如打光、形变、失真和遮挡等复杂的场景中。现今深度学习在特征提取方面有着亮眼的表现，在诸多有监督的任务上都取得了优质的表现，例如分类、目标检测和图像分割。
机器视觉可以替代人眼进行检测，但在实际应用中仍面临很多挑战，尤其是近几年的传统图像算法解决方案基于经验手工设计，算法存在精度较低且不够鲁棒的问题，特别是在诸如打光、形变、失真和遮挡等复杂的场景中。现今深度学习在特征提取方面有着亮眼的表现，在诸多有监督的任务上都取得了优质的表现，例如分类、目标检测和图像分割。
钢板表面缺陷检测技术始于20世纪50年代，从人工检测到现在的机器视觉检测，共经历60多年的发展，按时间的先后顺序大致可以分为非自动化检测、自动化检测和机器视觉检测共叁个阶段。
当今社会，随着计算机技术，人工智能等科学技术的出现和发展，以及研究的深入，出现了基于机器视觉技术的表面缺陷检测技术。这种技术的出现，大大提高了生产作业的效率，避免了因作业条件，主观判断等影响检测结果的准确性，实现能更好更精确地进行表面缺陷检测，更加快速的识别产物表面瑕疵缺陷。
在产物生产时候需要大量都会用到大量的人力物力多产物的质量进行检测，不断提高产物的质量来帮助公司提升公司的竞争力。但是随着社会的发展，很多传统的检测已经跟不上现在的需求，人工检测逐渐被机器所替代，那是主要人工检测存在以下这些缺点。
在薄膜生产的所有问题中，薄膜缺陷检测是一个令人头痛的问题。没有办法通过人工检测来完全检测缺陷，有一些限制。现代工业对薄膜产物的质量越来越高，人工检测耗时、费力、耗钱、效率低。因此，很多公司会选择薄膜机视觉检测设备来代替人工检测。薄膜缺陷检测设备效率高，检测率高达99%，提高了公司的薄膜生产效率。
随着电子产物的不断升级，人们对锂电池的质量也提出了更多的要求。极片作为锂电池生产的原材料，在生产过程中，会因为涂布机、辊压机的原因造成正负极片的露箔、暗斑、亮斑、划伤、凹坑等缺陷。只有保证极片的质量才能保证锂电池的质量，常规的人工检测的方法不可能找出极片表面的所有缺陷，也难以保证极片的质量。加之生产线的速度很高，人眼难以发现高速运行中的缺陷，必然会造成漏检。
新能源电池极片检测，要求电池极片外部的破损能清晰可见，左右双侧的损坏处也要检出，同时还要能够看出损坏的程度。
现如今无纺布在生产过程中会产生很多污点、节点等各种缺陷，严重影响产物质量以及公司形象。本司针对这一现象，研究生产无纺布表面缺陷检测系统主要基于先进的机器视觉技术，并结合无纺布稀疏和纹理的特点，采用正面照射、反面投射结合的成像方式，能够在线进行高速、精确的表面缺陷检测;结合现场工艺在线报警、自动报表统计及产物分级处置等，为公司的生产信息化和产物质量化等提供了有效的解决方案。
在传统行业中，利用人工检测来检测产物外观缺陷依然是主流，但由于竞争的加剧，对公司生产效率的要求也越来越高。传统的检测产物外观缺陷问题的方法就是透过人工目检，或者工人采用游标卡尺等工具检测，此种方式检测速度慢、精度低，而且检测结果容易受到工人的主观情绪和精力水平的影响，容易出现误判漏判的错误，无法满足现代产物生产的要求。
自新型冠状病毒(2019-苍颁辞痴)感染的肺炎疫情发生以来，全国同舟共济、众志成城，打响了一场没有硝烟的疫情阻击战。当前抗击疫情工作还在持续进行，佩戴口罩、乳胶手套成为第一道防疫线，9I制作厂免费针对口罩、乳胶手套视觉检测整理出了一些视觉打光方案。