高精度針孔檢測設備
More >>
您所在的位置：精質視覺 > 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絡結構中，進行特征提取;
步驟3，將得到的每一層的特征圖輸入到RPN網絡中，進行候選區(qū)域選取。
這種方法，實現(xiàn)了自動對生產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、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，提高產品的質量，使冶金帶鋼的生產管理者徹底擺脫了無法全面掌握產品表面質量的狀態(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加工線等領域。
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硬件的產品理念。
平臺以人工智能技術為核心，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。
