隨著全球工業(yè)化進(jìn)程的快速發(fā)展，在基礎(chǔ)建設(shè)和工業(yè)領(lǐng)域中對(duì)鋁型材的需求非常大，我國(guó)也在鋁型材的生產(chǎn)和消費(fèi)上連年處在增長(zhǎng)趨勢(shì)。

 

       由于鋁型材具有低密度、質(zhì)量輕、密閉性能好、可塑性強(qiáng)、耐腐蝕性強(qiáng)等優(yōu)勢(shì)，其在生活中應(yīng)用十分廣泛，大到飛機(jī)、坦克，小到家用電視、冰箱等。同時(shí)，鋁型材因資源豐富，成本低，易于回收可實(shí)現(xiàn)循環(huán)利用節(jié)能降耗等優(yōu)點(diǎn)，其發(fā)展規(guī)模正在進(jìn)一步擴(kuò)大。

       但在實(shí)際生產(chǎn)過(guò)程中，由于設(shè)備及工藝或生產(chǎn)人員操作不當(dāng)?shù)挠绊?，?huì)給鋁型材表面帶來(lái)不同程度不同類別的損傷，如臟點(diǎn)、雜色、擦花、焦印、雜質(zhì)、擦傷、刮傷、凸點(diǎn)、凹坑和針孔、洞眼等瑕疵缺陷，這都會(huì)極大程度的影響鋁型材的使用性能和質(zhì)量。

 

       所以，在鋁型材生產(chǎn)制造過(guò)程中引入質(zhì)檢環(huán)節(jié)是必不可少的，具有實(shí)時(shí)性與有效性的鋁型材表面缺陷檢測(cè)方法對(duì)實(shí)現(xiàn)國(guó)家工業(yè)水平的提升具有重要意義。

 

       目前在鋁型材的質(zhì)檢環(huán)節(jié)仍然以人工目視檢測(cè)法為主。

 

       人工目視檢測(cè)法利用人眼觀測(cè)的方式對(duì)缺陷目標(biāo)進(jìn)行檢測(cè)，

 

       其具有準(zhǔn)確率低、效率差、勞動(dòng)強(qiáng)度大，受主觀因素影響大等缺點(diǎn)，

 

       會(huì)使鋁型材生產(chǎn)效率和質(zhì)量普遍較低，因而無(wú)法滿足工業(yè)大批量生產(chǎn)的需求。

 

       隨著工業(yè)自動(dòng)化朝著智能化方向的發(fā)展，一些基于機(jī)器視覺(jué)檢測(cè)的方法開(kāi)始在金屬材料表面缺陷檢測(cè)中得以應(yīng)用。

 

       該方法主要是基于傳感器和數(shù)字圖像處理算法，需要對(duì)不同的缺陷類別設(shè)計(jì)對(duì)應(yīng)的特征提取器，可見(jiàn)，要想提取好的特征，還需要研究人員具有一定的專業(yè)背景，但在實(shí)際生產(chǎn)環(huán)境下金屬材料表面的缺陷種類繁多，形態(tài)復(fù)雜多變，缺少固定的特征，在缺陷與背景之間對(duì)比度低、小目標(biāo)缺陷受噪聲干擾的情況下易造成檢測(cè)精度低，很顯然以這種方式構(gòu)造特征魯棒性較差，通用性較差日適用面窄。同時(shí)，一些檢測(cè)系統(tǒng)的成本比較高，設(shè)備品貴，對(duì)一些小的企業(yè)工廠來(lái)說(shuō)具有較大的經(jīng)濟(jì)壓力。

 

       近些年來(lái)，隨著人工智能技術(shù)的再次興起，深度學(xué)習(xí)技術(shù)得到了進(jìn)一步發(fā)展并且融入到許多其他技術(shù)領(lǐng)域中，快速推動(dòng)了傳統(tǒng)計(jì)算機(jī)視覺(jué)任務(wù)的發(fā)展，這也為鋁型材表面缺陷檢測(cè)提供了一個(gè)新的解決思路。

 

       深度學(xué)習(xí)最大的一個(gè)優(yōu)勢(shì)是其擁有自主學(xué)習(xí)特征的能力，可自主的從大量圖像數(shù)據(jù)中學(xué)習(xí)到更為抽象更為豐富的特征，與傳統(tǒng)的機(jī)器視覺(jué)識(shí)別方法相比，它的出現(xiàn)大大減少了特征提取的成本，同時(shí)也減少了傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)采取手動(dòng)提取特征這一方式對(duì)識(shí)別精度的影響。

 

       基于深度學(xué)習(xí)的這一特性使得采用同一套算法模型實(shí)現(xiàn)對(duì)鋁型材表面不同類型缺陷的檢測(cè)成為了可能。

 

       基于深度學(xué)習(xí)的金屬表面缺陷檢測(cè)方法相比于人工目視法和傳統(tǒng)的機(jī)器視覺(jué)檢測(cè)方法，能夠有效地控制金屬產(chǎn)品表面質(zhì)量，故對(duì)于企業(yè)來(lái)說(shuō)該方法可以降低生產(chǎn)成本和提高生產(chǎn)效率。

 

      所以，利用深度學(xué)習(xí)對(duì)鋁型材表面缺陷進(jìn)行檢測(cè)可以解決因鋁型材表面缺陷種類多、噪聲干擾大、缺陷與非缺陷對(duì)比度低、缺陷區(qū)域小等造成的檢測(cè)困難問(wèn)題。不但在精度上優(yōu)于傳統(tǒng)方法，而且在檢測(cè)速度上也有一定的提升，基本可以實(shí)現(xiàn)實(shí)時(shí)性的高精度檢測(cè)。

 

基于深度學(xué)習(xí)的鋁材表面缺陷檢測(cè)方法

       將工業(yè)線陣CCD 相機(jī)架設(shè)在生產(chǎn)線上方，同時(shí)采用高亮的LED線性聚光冷光源進(jìn)行背打光，通過(guò)線陣CCD相機(jī)和高速圖像處理系統(tǒng)進(jìn)行實(shí)時(shí)的在線掃描。

       當(dāng)鋁材表面出現(xiàn)瑕疵時(shí)，強(qiáng)光透過(guò)鋁材，同時(shí)CCD將采集到到表面圖像通過(guò)圖像處理系統(tǒng)發(fā)現(xiàn)和獲取表面瑕疵圖像信息。

       系統(tǒng)自動(dòng)記錄瑕疵的圖像、位置等信息，同時(shí)通過(guò)信號(hào)控制實(shí)現(xiàn)打標(biāo)機(jī)對(duì)瑕疵的自動(dòng)貼標(biāo)定位。

       線陣CCD攝像機(jī)通過(guò)連接在幅面驅(qū)動(dòng)軸上的編碼器觸發(fā)獲取幅面的圖像信息，CCD相機(jī)的分辨率、縱向線掃頻率等性能確定系統(tǒng)的采集精度，系統(tǒng)精度高，圖像數(shù)據(jù)處理量大，數(shù)據(jù)經(jīng)過(guò)高速處理后保留鋁材表面瑕疵的數(shù)據(jù)信息（大小、直徑、橫縱向位置）并控制輸出，計(jì)算機(jī)系統(tǒng)通過(guò)數(shù)據(jù)庫(kù)記錄和管理缺陷具體位置、大小和圖像等信息。

鋁型材表面缺陷數(shù)據(jù)集構(gòu)建

       在深度網(wǎng)絡(luò)模型的訓(xùn)練過(guò)程中，圖像的質(zhì)量是至關(guān)重要的，這將直接影響到缺陷特征的提取難度，從而影響模型的檢測(cè)效果。

       所以需要對(duì)所用鋁型材表面缺陷數(shù)據(jù)集進(jìn)行特征分析，數(shù)據(jù)增強(qiáng)和數(shù)據(jù)集的制作等操作。鋁型材表面缺陷數(shù)據(jù)集構(gòu)建步驟如圖所示。

鋁型材表面缺陷介紹

       針孔、洞眼、焦印、雜質(zhì)、擦傷、刮傷、凸點(diǎn)、凹坑等是鋁箔加工過(guò)程中的常見(jiàn)的瑕疵缺陷。

設(shè)備拍攝方案

① 檢測(cè)工位俯視圖

機(jī)器視覺(jué)檢測(cè)原理

       CCD 工業(yè)相機(jī)將待測(cè)目標(biāo)轉(zhuǎn)換為圖像信號(hào)，通過(guò)定制的圖像數(shù)據(jù)處理系統(tǒng)，將像素分布和亮度、顏色等信息，轉(zhuǎn)變成數(shù)字化信號(hào)；圖像系統(tǒng)對(duì)這些信號(hào)進(jìn)行相應(yīng)的運(yùn)算來(lái)抽取目標(biāo)的特征，進(jìn)而產(chǎn)生檢測(cè)結(jié)果并依此控制現(xiàn)場(chǎng)設(shè)備的動(dòng)作。

1. 圖像預(yù)處理

       經(jīng)編碼器同步傳遞后的 CCD 信號(hào)，先通過(guò)加速卡進(jìn)行信號(hào)預(yù)處理，進(jìn)一步增強(qiáng)信號(hào)，進(jìn)而連續(xù)組成圖像。

       預(yù)處理包括：利用傅利葉分析，對(duì)信號(hào)降噪， 將圖像進(jìn)行亮度、對(duì)比度的調(diào)整，邊緣銳化和平滑濾波。亮度與對(duì)比度調(diào)整，增強(qiáng)了圖像特征值，易于識(shí)別。邊緣銳化將使圖像邊界由模糊變得清晰，易于缺陷尺寸、形貌的界定。平滑濾 波采用中值濾波方法，可以很好地抑制干擾脈沖和點(diǎn)狀噪聲，同時(shí)又能較好的保持邊緣信息。

2. 圖像灰度分析

       理論上，當(dāng)鋁板帶表面無(wú)缺陷時(shí)，圖像灰度呈現(xiàn)連續(xù)等值分布。

       實(shí)際采集中，圖像灰度是 在一定范圍內(nèi)進(jìn)行波動(dòng)。當(dāng)灰度值超出范圍，圖像將被判定為缺陷。當(dāng)然，評(píng)價(jià)一個(gè)信號(hào)的灰 度是否是缺陷還不是那么簡(jiǎn)單，還要根據(jù)一系列特征值，如亮度、對(duì)比度、發(fā)生頻率等綜合考慮后，才能做出最終判定。

3. 缺陷的識(shí)別

       灰度分析完成，信號(hào)將被交給自動(dòng)識(shí)別系統(tǒng)。自動(dòng)識(shí)別系統(tǒng)配備了根據(jù)鋁板表面常見(jiàn)缺陷而設(shè)定的每一個(gè)已定義缺陷種類的預(yù)期特征值范圍。在檢測(cè)期間，識(shí)別系統(tǒng)比較信號(hào)特征與已定義缺陷種類的匹配程度，一經(jīng)確認(rèn)，即觸發(fā)顯示。

4. 缺陷的處理

       發(fā)現(xiàn)缺陷可進(jìn)行同步打標(biāo)處理，可對(duì)整卷鋁板的表面質(zhì)量進(jìn)行等級(jí)判別，獲取整卷鋁板表面質(zhì)量的完整數(shù)據(jù)。

       雙翌光電一直專注于從事機(jī)器視覺(jué)行業(yè)，在機(jī)器視覺(jué)系統(tǒng)及機(jī)器視覺(jué)軟件領(lǐng)域不斷探索與研發(fā)，應(yīng)用范圍涉及包裝印刷、電子、紡織、汽車制造、半導(dǎo)體、等領(lǐng)域，為各行業(yè)工廠客戶提供機(jī)器視覺(jué)產(chǎn)品、視覺(jué)自動(dòng)檢測(cè)技術(shù)、視覺(jué)檢測(cè)設(shè)備，視覺(jué)定位，視覺(jué)對(duì)位，視覺(jué)測(cè)量，缺陷檢測(cè)，標(biāo)簽檢測(cè)，印刷檢測(cè)，機(jī)器視覺(jué)軟件，全套視覺(jué)解決方案。