應(yīng)用背景

用戶和生產(chǎn)企業(yè)對(duì)產(chǎn)品質(zhì)量的要求越來(lái)越高，除要求滿足使用性能外，還要有良好的外觀，即良好的表面質(zhì)量。但是，在制造產(chǎn)品的過(guò)程中，表面缺陷的產(chǎn)生往往是不可避免的。

不同產(chǎn)品的表面缺陷有著不同的定義和類型，一般而言表面缺陷是產(chǎn)品表面局部物理或化學(xué)性質(zhì)不均勻的區(qū)域，如金屬表面的劃痕、斑點(diǎn)、孔洞，紙張表面的色差、壓痕，玻璃等非金屬表面的夾雜、破損、污點(diǎn)，等等。

表面缺陷不僅影響產(chǎn)品的美觀和舒適度，而且一般也會(huì)對(duì)其使用性能帶來(lái)不良影響，所以生產(chǎn)企業(yè)對(duì)產(chǎn)品的表面缺陷檢測(cè)非常重視，以便及時(shí)發(fā)現(xiàn)，從而有效控制產(chǎn)品質(zhì)量。

但何為缺陷？

當(dāng)前對(duì)于缺陷有兩種認(rèn)知的方式，第一種是有監(jiān)督的方法，利用標(biāo)記了標(biāo)簽的缺陷圖像輸入到網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，此時(shí)"缺陷"意味著標(biāo)記過(guò)的區(qū)域或者圖像。第二種是無(wú)監(jiān)督的方法，就是將正常無(wú)缺陷的樣本進(jìn)行學(xué)習(xí)，學(xué)習(xí)正常區(qū)域的特征，網(wǎng)絡(luò)檢測(cè)異常的區(qū)域。

進(jìn)行產(chǎn)品缺陷檢測(cè)的任務(wù)大致分為三個(gè)階段：缺陷分類、缺陷定位、缺陷分割。

傳統(tǒng)的工業(yè)生產(chǎn)制造，由于科學(xué)技術(shù)的限制仍然主要采用人工檢測(cè)的方法去檢測(cè)產(chǎn)品表面的缺陷，這種方法由于人工的限制和技術(shù)的落后，該方法抽檢率低、準(zhǔn)確性不高、實(shí)時(shí)性差、效率低、勞動(dòng)強(qiáng)度大、受人工經(jīng)驗(yàn)和主觀因素的影響大，所以，基于機(jī)器視覺(jué)的檢測(cè)方法可以很大程度上克服上述弊端。

機(jī)器視覺(jué)在缺陷檢測(cè)領(lǐng)域的應(yīng)用

機(jī)器學(xué)習(xí)領(lǐng)域，在深度學(xué)習(xí)還沒(méi)有發(fā)展的這么火熱之前， 國(guó)外幾款做的比較成功的視覺(jué)軟件，很多模塊都有定位，測(cè)量，檢測(cè)等功能?；趫D像處理和分析對(duì)產(chǎn)品可能存在的缺陷進(jìn)行檢測(cè)，這種方法采用非接觸的工作方式，安裝靈活，測(cè)量精度和速度都比較高。

但這些傳統(tǒng)的方法來(lái)做缺陷檢測(cè)大多都是靠人來(lái)特征工程， 從形狀，顏色， 長(zhǎng)度，寬度，長(zhǎng)寬比來(lái)確定被檢測(cè)的目標(biāo)是否符合標(biāo)準(zhǔn)，最終定義出一系列的規(guī)則來(lái)進(jìn)行缺陷檢測(cè)。

傳統(tǒng)機(jī)器視覺(jué)

這樣的方法當(dāng)然在一些簡(jiǎn)單的場(chǎng)景中已經(jīng)應(yīng)用的很好，唯一的缺點(diǎn)是隨著被檢測(cè)物體的變動(dòng)，所有的規(guī)則和算法都要重新設(shè)計(jì)和開(kāi)發(fā)，即使是同樣的產(chǎn)品，不同批次的變化都會(huì)造成不能重用的現(xiàn)實(shí)。

所以，傳統(tǒng)機(jī)器視覺(jué)算法通常處理容易提取，容易量化的特征：顏色、面積、圓度、角度、長(zhǎng)度等。

但由于缺陷多種多樣，傳統(tǒng)的機(jī)器視覺(jué)算法很難做到對(duì)缺陷特征完整的建模和遷移，復(fù)用性不大，要求區(qū)分工況，這會(huì)浪費(fèi)大量的人力成本。

基于深度學(xué)習(xí)的缺陷檢測(cè)完美地規(guī)避了這類問(wèn)題，它不僅在特征提取和定位上取得了非常好的效果，越來(lái)越多的學(xué)者和工程人員還開(kāi)始將深度學(xué)習(xí)算法引入到缺陷檢測(cè)領(lǐng)域中。

深度學(xué)習(xí)

矩視云低代碼平臺(tái)“像素分割”模塊案例詳解

矩視智能低代碼平臺(tái)是基于深度學(xué)習(xí)的AI機(jī)器視覺(jué)低代碼開(kāi)發(fā)平臺(tái)，賦能多種工業(yè)應(yīng)用場(chǎng)景，有效解決復(fù)雜缺陷的定位識(shí)別、分類定級(jí)及字符識(shí)別等問(wèn)題，具有強(qiáng)大的兼容性。

矩視提供了一個(gè)標(biāo)準(zhǔn)化的開(kāi)發(fā)平臺(tái)，內(nèi)置豐富的開(kāi)發(fā)工具，不需任何圖像知識(shí)，無(wú)需編程，支持深度學(xué)習(xí)模型訓(xùn)練閉環(huán)，滿足不同業(yè)務(wù)場(chǎng)景下的客戶碎片化、差異化的檢測(cè)需求，以較低成本解決客戶檢測(cè)難題。

功能概述

利用深度學(xué)習(xí)技術(shù)訓(xùn)練模型，實(shí)現(xiàn)對(duì)標(biāo)記特征缺陷的定向識(shí)別檢測(cè)，支持對(duì)圖像進(jìn)行像素級(jí)檢測(cè)，精準(zhǔn)識(shí)別缺陷的位置和類別。常用于檢測(cè)產(chǎn)品表面細(xì)小的缺陷，例如裂紋、劃痕、臟污、缺損等，是應(yīng)用最為廣泛的缺陷檢測(cè)工具。

功能特點(diǎn)

? 通用性強(qiáng)：云端積累大量不同場(chǎng)景AI算法庫(kù)，用戶僅需上傳圖片，進(jìn)行標(biāo)注，后臺(tái)將自動(dòng)匹配最精準(zhǔn)的AI算法。

? 多缺陷同時(shí)學(xué)習(xí)：同一個(gè)模型下，支持多種缺陷標(biāo)記，即可同時(shí)檢測(cè)一張圖片內(nèi)的多種缺陷，并且可以對(duì)缺陷進(jìn)行分類。

? 像素級(jí)檢測(cè)及閾值設(shè)置：對(duì)產(chǎn)品的缺陷檢測(cè)可以精確到像素級(jí)，并且可以通過(guò)閾值對(duì)缺陷程度的評(píng)分來(lái)控制誤檢率和漏檢率，從而達(dá)到對(duì)產(chǎn)品質(zhì)量的把控。

應(yīng)用場(chǎng)景

? 不規(guī)則形狀目標(biāo)檢測(cè)

? 小目標(biāo)檢測(cè)

模塊使用

1、訓(xùn)練階段

導(dǎo)入樣圖，在標(biāo)簽列表添加相對(duì)應(yīng)的缺陷標(biāo)簽，選擇標(biāo)注工具，將上傳圖片的缺陷部分和標(biāo)簽逐一對(duì)應(yīng)標(biāo)注（每張圖片內(nèi)所有需要定位的缺陷需全部標(biāo)注），標(biāo)注結(jié)束后，無(wú)需配置模型訓(xùn)練參數(shù)和服務(wù)器資源，一鍵訓(xùn)練進(jìn)入深度學(xué)習(xí)階段，通過(guò)對(duì)原始數(shù)據(jù)多步特征轉(zhuǎn)換，得到更高層次、更加抽象的特征表示。

2、測(cè)試階段

經(jīng)過(guò)適當(dāng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)可以很好地識(shí)別出變量環(huán)境（如物體形狀的變化、不同的分辨率或光源條件）中的物體，精準(zhǔn)判斷圖片中存在的缺陷因素，并進(jìn)行自動(dòng)標(biāo)注。

3、推理階段：

輸入：待檢圖片

輸出：NG/OK圖

案例解析：口罩表面缺陷檢測(cè)

檢測(cè)需求

能對(duì)口罩正反面臟污/蚊蟲(chóng)/毛發(fā)、耳帶長(zhǎng)度/偏位、鼻梁條長(zhǎng)度/偏位、焊點(diǎn)接口、排齒等功能檢測(cè)，以保證在生產(chǎn)過(guò)程中能夠有效的剔除不良品，提高產(chǎn)品的生產(chǎn)效率，及產(chǎn)品合格率。

檢測(cè)難點(diǎn)

缺陷種類多且形態(tài)不規(guī)則、差異大，缺陷出現(xiàn)區(qū)域隨機(jī)。

檢測(cè)方案

利用矩視智能低代碼云平臺(tái)的像素分割模塊，構(gòu)建基于深度學(xué)習(xí)的口罩缺陷識(shí)別模型。

操作步驟

1、選擇“像素分割”模型

2、上傳樣圖，建議上傳30張以上圖片

3、標(biāo)注

使用標(biāo)注工具對(duì)口罩表面缺陷進(jìn)行標(biāo)注；對(duì)于無(wú)缺陷的圖片，可跳過(guò)標(biāo)注

4、模型訓(xùn)練

一鍵進(jìn)入訓(xùn)練階段，等待訓(xùn)練完成

5、模型測(cè)試

精準(zhǔn)判斷未標(biāo)注圖片中存在的缺陷因素，并進(jìn)行自動(dòng)標(biāo)注

測(cè)試效果

數(shù)據(jù)測(cè)試準(zhǔn)確率>99%，0漏檢，能精準(zhǔn)對(duì)口罩正反面臟污/蚊蟲(chóng)/毛發(fā)、耳帶長(zhǎng)度/偏位、鼻梁條長(zhǎng)度/偏位、焊點(diǎn)接口、排齒等缺陷進(jìn)行檢測(cè)。

矩視智能機(jī)器視覺(jué)低代碼平臺(tái)是一個(gè)面向機(jī)器視覺(jué)應(yīng)用的云端協(xié)同開(kāi)發(fā)平臺(tái)，始終秉承0成本、0代碼、0門(mén)檻、0硬件的產(chǎn)品理念。

平臺(tái)以人工智能技術(shù)為核心，在機(jī)器視覺(jué)應(yīng)用開(kāi)發(fā)環(huán)節(jié)，為開(kāi)發(fā)者提供圖像采集、圖像標(biāo)注、算法開(kāi)發(fā)、算法封裝和應(yīng)用集成的一站式完整工具鏈。覆蓋字符識(shí)別、缺陷檢測(cè)、尺寸測(cè)量、目標(biāo)定位等上百項(xiàng)通用功能，致力于成為全球用戶量最多，落地場(chǎng)景最廣泛的機(jī)器視覺(jué)低代碼平臺(tái)。

更多功能正在開(kāi)發(fā)中，最新信息會(huì)第一時(shí)間在官方公眾號(hào)“矩視智能”進(jìn)行公布，歡迎大家關(guān)注哦