——深度學(xué)習(xí)檢測(cè)流程、及傳統(tǒng)算法比較

深度學(xué)習(xí)在外觀缺陷檢測(cè)領(lǐng)域的應(yīng)用，其克服了傳統(tǒng)算法被復(fù)雜背景干擾的問(wèn)題以及無(wú)法對(duì)缺陷類型穩(wěn)定分類等問(wèn)題，因此在缺陷檢測(cè)領(lǐng)域中，深度學(xué)習(xí)具有更多的優(yōu)勢(shì)。

——外觀缺陷檢測(cè)介紹

外觀缺陷檢測(cè)是通過(guò)光學(xué)組件、圖像處理器、軟件算法等集成的圖像處理系統(tǒng)，其涵蓋光學(xué)原理、軟件技術(shù)、圖像處理技術(shù)等專業(yè)學(xué)科；實(shí)時(shí)檢測(cè)、識(shí)別被測(cè)物體常見(jiàn)表面的缺陷（劃傷、破損、刮痕、臟污、條紋、亮斑等），部分外觀檢測(cè)的圖像都存在比較復(fù)雜背景的干擾因素，對(duì)外觀缺陷識(shí)別判斷產(chǎn)生較大的影響，因此對(duì)檢測(cè)系統(tǒng)提出極高的能力要求，傳統(tǒng)的圖像處理技術(shù)已經(jīng)無(wú)法滿足于當(dāng)前的生產(chǎn)應(yīng)用。

表1 深度學(xué)習(xí)與傳統(tǒng)算法的對(duì)比

隨著AI人工智能技術(shù)的快速發(fā)展，人工智能也逐步開始在工業(yè)領(lǐng)域中應(yīng)用，我們公司首次將深度學(xué)習(xí)技術(shù)應(yīng)用到3C領(lǐng)域的缺陷檢測(cè)設(shè)備，開發(fā)出以人工智能深度學(xué)習(xí)技術(shù)為主的S-Gamma缺陷檢測(cè)系統(tǒng)V1.0版本，核心開發(fā)成員由國(guó)際知名教授、人工智能領(lǐng)域國(guó)際知名專家、IEEE院士聯(lián)合互聯(lián)網(wǎng)資深團(tuán)隊(duì)主導(dǎo)開發(fā)。該系統(tǒng)可用于缺陷識(shí)別、物體分類、定位等功能應(yīng)用，其可用于3C產(chǎn)品及零部件、半導(dǎo)體、LED、醫(yī)藥、汽車等行業(yè)，其結(jié)合傳統(tǒng)算法實(shí)現(xiàn)對(duì)以下類型產(chǎn)品進(jìn)行高精密外觀缺陷檢測(cè)：

1、金屬加工件：手機(jī)按鍵、攝像頭圈、卡托、Type-C外殼、充電器插頭等及部分精密加工件；

2、玻璃制品：手機(jī)后蓋、屏幕玻璃、液晶面板、顯示器等）、

3、塑膠制品：手機(jī)納米材料后蓋、充電器塑膠外殼等塑膠制品；

4、整機(jī)及模組外觀：手機(jī)整機(jī)外觀檢測(cè)、屏幕點(diǎn)亮后外觀檢測(cè)、攝像頭模組六面體外觀檢測(cè)、Type-C插頭外觀檢測(cè)、電池模組外觀檢測(cè)等。

深度學(xué)習(xí)不同于傳統(tǒng)工業(yè)機(jī)器視覺(jué)，不需要專業(yè)人員的定制開發(fā)算法，前期只需要一部分NG和OK樣本圖片用于缺陷標(biāo)注訓(xùn)練即可完成模型的建立，后期遇到新增缺陷類型時(shí)，只需要完成新類型缺陷樣本訓(xùn)練優(yōu)化模型就能夠完成新缺陷檢測(cè)。

案例一：外觀缺陷檢測(cè)案例分享

1.1金屬件外觀缺陷檢測(cè)案例分享

檢測(cè)產(chǎn)品：手機(jī)充電器PIN

檢測(cè)內(nèi)容：檢測(cè)產(chǎn)品5個(gè)面共6種缺陷：劃傷、點(diǎn)傷（凹點(diǎn)）、缺口、臟污、亮印、模印。

檢測(cè)要求:

1、缺陷產(chǎn)品漏檢率0.3%以內(nèi)，

2、產(chǎn)品過(guò)殺率5%以內(nèi)；

3、臟污缺陷：對(duì)菲林卡，小于0.1mm2以內(nèi)OK；

4、點(diǎn)傷、劃傷：0.02~0.08mm22個(gè)以上NG，0.08~0.1mm21個(gè)NG。

產(chǎn)品缺陷分析：

1、產(chǎn)品表面結(jié)構(gòu)為粗糙面（類似磨砂質(zhì)地），為電鍍成型后的階段，表面粗糙有很多凹坑影響成像質(zhì)量；

2、劃傷缺陷為表面凹狀類缺陷，可能已傷及電鍍層，缺陷凹坑形狀較細(xì)并且都是比較深的，形狀不一，位置不同；

3、點(diǎn)傷類缺陷是表面凹狀類缺陷，面積較小，但分布比較多，深淺不一；

模印缺陷為產(chǎn)品制作是模具上造成的缺陷，在電鍍后檢測(cè)時(shí)，產(chǎn)品表面已經(jīng)沒(méi)有太大差異，缺陷比較輕微的人眼也較難識(shí)別。

4、臟污亮印缺陷為產(chǎn)品表面，電鍍層上面存在的臟污和亮印，未傷及電鍍層。

檢測(cè)方案：

采用直線式設(shè)備,機(jī)械手上下料,5個(gè)工位檢測(cè)，治具可以旋轉(zhuǎn),光源頻閃，分步拍照產(chǎn)品表面缺陷,深度學(xué)習(xí)算法處理圖像,全面實(shí)現(xiàn)外觀缺陷檢測(cè)，根據(jù)檢測(cè)結(jié)果自動(dòng)擺滿托盤,自動(dòng)疊盤收料。如圖2-3所示。

圖13C行業(yè)常見(jiàn)檢測(cè)缺陷

圖2 檢測(cè)效果

圖3 缺陷類型

案例二：Type-c外觀缺陷檢測(cè)案例分享

檢測(cè)產(chǎn)品：Type-c連接器

檢測(cè)內(nèi)容：檢測(cè)產(chǎn)品鋁屑不良、缺pin、塑料屑異物、塑料損傷、舌片底部金屬絲、舌片端子漏B點(diǎn)等外觀缺陷；

檢測(cè)要求:

1、缺陷產(chǎn)品漏檢率0%，

2、產(chǎn)品過(guò)殺率5%以內(nèi)；

檢測(cè)方案：

采用直線式自動(dòng)設(shè)備，對(duì)接客戶自動(dòng)化產(chǎn)線，共有4個(gè)檢測(cè)工位，產(chǎn)品通過(guò)直振上料，移載到檢測(cè)工位進(jìn)行拍照檢測(cè)，利用深度學(xué)習(xí)算法跟傳統(tǒng)算法相結(jié)合的方式，對(duì)產(chǎn)品缺陷進(jìn)行檢測(cè)識(shí)別，再根據(jù)檢測(cè)效果進(jìn)行OK\NG分類。如圖4所示。

檢測(cè)效果1

檢測(cè)效果2

檢測(cè)效果3

檢測(cè)效果4

圖4 檢測(cè)效果

案例三：字符外觀缺陷檢測(cè)案例分享

檢測(cè)產(chǎn)品：鐳射字符缺陷檢測(cè)

檢測(cè)內(nèi)容：檢測(cè)產(chǎn)品黑點(diǎn)、白點(diǎn)、異色等外觀缺陷；

檢測(cè)要求:

1、缺陷產(chǎn)品漏檢率0.5%，

2、產(chǎn)品過(guò)殺率5%以內(nèi)；

3、黑點(diǎn)：0.1mm22個(gè)以上NG，0.15mm21個(gè)NG。

檢測(cè)方案：

該設(shè)備采用料盤整盤上料的方式上料，機(jī)械手一次性將整盤產(chǎn)品從料盤內(nèi)取出放置到檢測(cè)治具，檢測(cè)治具通過(guò)底部真空將產(chǎn)品吸平并固定在治具上，帶有XY軸的拍照系統(tǒng)對(duì)產(chǎn)品進(jìn)行逐一拍照，采集到圖像聽(tīng)過(guò)S-Gamma缺陷檢測(cè)系統(tǒng)進(jìn)行檢測(cè)判斷，并將其結(jié)果輸出到分類機(jī)構(gòu)進(jìn)行產(chǎn)品分類。（如圖5、6所示）

圖5 檢測(cè)效果1

圖6 檢測(cè)效果2

三姆森無(wú)論是在‘外觀缺陷檢測(cè)領(lǐng)域’還是在未來(lái)其他傳統(tǒng)行業(yè)互相結(jié)合的機(jī)會(huì)奠定基礎(chǔ)上，漫漫長(zhǎng)路、才剛剛開始。