一、介紹
缺陷檢測(cè)是工業(yè)視覺(jué)技術(shù)中最重要的組成部分。業(yè)務(wù)廣泛，場(chǎng)景豐富，技術(shù)難點(diǎn)高、工作量大。針對(duì)不同的場(chǎng)景，選擇不同的相機(jī)和識(shí)別方法。
一般情況下，工業(yè)視覺(jué)相機(jī)分為面陣和線陣，大部分有點(diǎn)要求的場(chǎng)景對(duì)應(yīng)需要的相機(jī)都比較貴，相機(jī)還要配套光源、鏡頭組成一套成像系統(tǒng)。算法的研發(fā)費(fèi)用也是比較貴的，一種產(chǎn)品缺陷的研發(fā)周期至少也是一個(gè)月以上，往往需要一個(gè)小團(tuán)隊(duì)共同開(kāi)發(fā)。很多場(chǎng)景的缺陷至今是無(wú)法解決或者無(wú)法實(shí)用的。這就造成了有的場(chǎng)景利潤(rùn)低，用人工比用機(jī)器更省錢(qián)，有的場(chǎng)景利潤(rùn)高，可惜沒(méi)人能作出實(shí)用的系統(tǒng)。
如上圖所示，通過(guò)線陣相機(jī)環(huán)繞一周掃描得到的圖像。清晰度比較高，但設(shè)備價(jià)格相對(duì)偏高。
2、缺陷分類
對(duì)于缺陷的類別，國(guó)標(biāo)中的定義，分很多種情況，針對(duì)不同的廠家需求有不同的要求。比如印：可分為壓印，劃痕，坑類別。這里主要分為三類，印，電鍍不良及臟污。如下圖所示：
本方法采用深度學(xué)習(xí)分類技術(shù)，對(duì)于樣本的標(biāo)注采取mask的方式，mask灰度值不同用來(lái)指示類別。如下圖所示：
（1）將掃描圖片根據(jù)金屬件寬度縮放到指定大小，并進(jìn)行微弱的隨機(jī)放大縮??；
（2）設(shè)定窗口大小如15x15,以滑動(dòng)窗口的形式，掃描金屬件，得到樣本，其中正樣本為缺陷面積占窗口大于20%，類別為面積最大的類型（考慮到有交際的情況），負(fù)樣本為缺陷面積占窗口小于1%，其他情況舍棄（保留中間地帶進(jìn)行界限區(qū)分）；
（3）采用簡(jiǎn)單的卷積網(wǎng)絡(luò)作為分類器訓(xùn)練，多個(gè)分類器形成級(jí)聯(lián)分類器；
5、預(yù)測(cè)過(guò)程
預(yù)測(cè)過(guò)程如下：
（1）對(duì)輸入圖像，根據(jù)金屬件寬度縮放到指定大??；
（2）滑動(dòng)窗口對(duì)缺陷的每一塊進(jìn)行分類；
（3）用生長(zhǎng)算法將小的缺陷框合成一個(gè)大的框輸出
三、核心思維
算法設(shè)計(jì)比較簡(jiǎn)單，有幾個(gè)點(diǎn)非常重要卻也容易忽略掉的：
1、樣本的標(biāo)注要盡可能細(xì)致，要考慮到金屬件的尺度和窗口的大小，十分影響缺陷的定義；
2、參與訓(xùn)練的樣本，正負(fù)分明，拋棄一定的中間樣本，這些樣本往往是缺陷的邊界，及細(xì)小的不需要檢測(cè)的缺陷；
3、缺陷的形狀千奇百怪，沒(méi)有固定的外形模式，通用的目標(biāo)檢測(cè)容易出錯(cuò)，代價(jià)比較高；
4、樣本增強(qiáng)無(wú)需考慮太多，成像情況通常比較穩(wěn)定；
5、采用級(jí)聯(lián)分類的方式將極大的提升速度，總的效果相對(duì)于單一分類器無(wú)差別；
6、采用分割方式（點(diǎn)像素分類）所需樣本多，沒(méi)有樣本間隔的機(jī)制，達(dá)到同樣的效果，時(shí)間復(fù)雜度顯著比較高。
四、結(jié)果
左邊為未對(duì)缺陷框生長(zhǎng)的效果，右邊為生長(zhǎng)結(jié)果。
缺陷檢測(cè)是工業(yè)視覺(jué)技術(shù)中最重要的組成部分。業(yè)務(wù)廣泛，場(chǎng)景豐富，技術(shù)難點(diǎn)高、工作量大。針對(duì)不同的場(chǎng)景，選擇不同的相機(jī)和識(shí)別方法。
一般情況下，工業(yè)視覺(jué)相機(jī)分為面陣和線陣，大部分有點(diǎn)要求的場(chǎng)景對(duì)應(yīng)需要的相機(jī)都比較貴，相機(jī)還要配套光源、鏡頭組成一套成像系統(tǒng)。算法的研發(fā)費(fèi)用也是比較貴的，一種產(chǎn)品缺陷的研發(fā)周期至少也是一個(gè)月以上，往往需要一個(gè)小團(tuán)隊(duì)共同開(kāi)發(fā)。很多場(chǎng)景的缺陷至今是無(wú)法解決或者無(wú)法實(shí)用的。這就造成了有的場(chǎng)景利潤(rùn)低，用人工比用機(jī)器更省錢(qián)，有的場(chǎng)景利潤(rùn)高，可惜沒(méi)人能作出實(shí)用的系統(tǒng)。
二、方法
不同的缺陷適用不同的算法，介紹的算法僅適用于光滑表面缺陷檢測(cè)，其他方向檢測(cè)不適用。1、物體及成像——如下圖所示：
對(duì)物體具體行業(yè)不是很明確，我們稱之為金屬件，大概是用在特殊領(lǐng)域。成像效果如下：
如上圖所示，通過(guò)線陣相機(jī)環(huán)繞一周掃描得到的圖像。清晰度比較高，但設(shè)備價(jià)格相對(duì)偏高。
2、缺陷分類
對(duì)于缺陷的類別，國(guó)標(biāo)中的定義，分很多種情況，針對(duì)不同的廠家需求有不同的要求。比如印：可分為壓印，劃痕，坑類別。這里主要分為三類，印，電鍍不良及臟污。如下圖所示：
綠框標(biāo)注的是臟污，紅框標(biāo)注的是電鍍不良，藍(lán)框標(biāo)注印。
本方法采用深度學(xué)習(xí)分類技術(shù)，對(duì)于樣本的標(biāo)注采取mask的方式，mask灰度值不同用來(lái)指示類別。如下圖所示：
（1）將掃描圖片根據(jù)金屬件寬度縮放到指定大小，并進(jìn)行微弱的隨機(jī)放大縮??；
（2）設(shè)定窗口大小如15x15,以滑動(dòng)窗口的形式，掃描金屬件，得到樣本，其中正樣本為缺陷面積占窗口大于20%，類別為面積最大的類型（考慮到有交際的情況），負(fù)樣本為缺陷面積占窗口小于1%，其他情況舍棄（保留中間地帶進(jìn)行界限區(qū)分）；
（3）采用簡(jiǎn)單的卷積網(wǎng)絡(luò)作為分類器訓(xùn)練，多個(gè)分類器形成級(jí)聯(lián)分類器；
5、預(yù)測(cè)過(guò)程
預(yù)測(cè)過(guò)程如下：
（1）對(duì)輸入圖像，根據(jù)金屬件寬度縮放到指定大??；
（2）滑動(dòng)窗口對(duì)缺陷的每一塊進(jìn)行分類；
（3）用生長(zhǎng)算法將小的缺陷框合成一個(gè)大的框輸出
三、核心思維
算法設(shè)計(jì)比較簡(jiǎn)單，有幾個(gè)點(diǎn)非常重要卻也容易忽略掉的：
1、樣本的標(biāo)注要盡可能細(xì)致，要考慮到金屬件的尺度和窗口的大小，十分影響缺陷的定義；
2、參與訓(xùn)練的樣本，正負(fù)分明，拋棄一定的中間樣本，這些樣本往往是缺陷的邊界，及細(xì)小的不需要檢測(cè)的缺陷；
3、缺陷的形狀千奇百怪，沒(méi)有固定的外形模式，通用的目標(biāo)檢測(cè)容易出錯(cuò)，代價(jià)比較高；
4、樣本增強(qiáng)無(wú)需考慮太多，成像情況通常比較穩(wěn)定；
5、采用級(jí)聯(lián)分類的方式將極大的提升速度，總的效果相對(duì)于單一分類器無(wú)差別；
6、采用分割方式（點(diǎn)像素分類）所需樣本多，沒(méi)有樣本間隔的機(jī)制，達(dá)到同樣的效果，時(shí)間復(fù)雜度顯著比較高。
四、結(jié)果
總計(jì)標(biāo)注200余張樣本，覆蓋各種類型的缺陷。在2000余張不參與訓(xùn)練的樣本測(cè)試，明顯缺陷檢出率100%，誤檢率0.1%（大多比較?。?。效果如下：
左邊為未對(duì)缺陷框生長(zhǎng)的效果，右邊為生長(zhǎng)結(jié)果。
