轮毂表面缺陷检测是轮毂企业生产物流过程中的重要一环。通过市场的初步调研 , 此前主要通过人工检测进行缺陷肉眼检测和分拣等。而由于汽车轮毂结构复杂,人工检测的方法效率低、工作量大,此种检测方式越来越难以满足轮毂生产过程越来越高的快速、准确、稳定的要求。

为了实现生产物流装备自动化与智能化,提升轮毂制造 企业生产物流过程的效率,降低人工成本,针对上述情况 ,  维视智造于2021年3月推出 VisionBank Ai深度学习视觉解决方案，相继针对性推出了基于深度学习的轮毂表面缺陷检测解决方案。

1.轮毂生产线缺陷检测系统流程设计。本系统包含完整的轮毂在线缺陷检测流程,包括图像采集、图像预处理、轮毂图像缺陷检测等等。

2.建立轮毂表面缺陷数据库。

具体流程是在生产线现场通过工业相机采集轮毂表面缺陷图像,之后进行数据清洗,并通过专业标注软件对缺陷图像进行标注, 最终得到带有精确标注的缺陷图像数据库。

3.识别模糊图像。

采用消除模糊算法是基于深度学习的生成式对抗网络实现的, 因此运算速度较慢,而采集的图像中只有一部分图像存在模糊现象,为了提高缺陷检测算法系统的效率,在进行消除图像模糊之前,设计算法识别模糊图像 , 如检测为模糊,则送入深度学习消除图像模糊网络。

若识别为清晰图像,则直接进行轮毂图像缺陷检测。

4. 消除轮毂表面图像模糊现象。

在对轮毂缺陷图像进行检测之前,需要对缺陷图像进行预处理已满足算法需求。由于本文提出的缺陷检测系统中图像采集阶段是轮毂在生产线上输送的同时进行的, 所以采集的轮毂图像会存在运动模糊现象。 针对这一问题,本位提出了深度对抗学习算法,在不需要准确运动信息的条件下消除运动模糊。

5.轮毂图像缺陷检测。

给出缺陷位置以及缺陷类型。

专栏文章内容及配图由作者撰写发布，仅供工程师学习之用，如有侵权或者其他违规问题，请联系本站处理。 联系我们