隨著全球工業(yè)化進程的快速發(fā)展，在基礎(chǔ)建設(shè)和工業(yè)領(lǐng)域中對鋁型材的需求非常大，我國也在鋁型材的生產(chǎn)和消費上連年處在增長趨勢。
由于鋁型材具有低密度、質(zhì)量輕、密閉性能好、可塑性強、耐腐蝕性強等優(yōu)勢，其在生活中應(yīng)用十分廣泛，大到飛機、坦克，小到家用電視、冰箱等。同時，鋁型材因資源豐富，成本低，易于回收可實現(xiàn)循環(huán)利用節(jié)能降耗等優(yōu)點，其發(fā)展規(guī)模正在進一步擴大。

       但在實際生產(chǎn)過程中，由于設(shè)備及工藝或生產(chǎn)人員操作不當?shù)挠绊懀瑫o鋁型材表面帶來不同程度不同類別的損傷，如臟點、雜色、擦花、焦印、雜質(zhì)、擦傷、刮傷、凸點、凹坑和針孔、洞眼等瑕疵缺陷，這都會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)制造過程中引入質(zhì)檢環(huán)節(jié)是必不可少的，具有實時性與有效性的鋁型材表面缺陷檢測方法對實現(xiàn)國家工業(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法為主。

         人工目視檢測法利用人眼觀測的方式對缺陷目標進行檢測，其具有準確率低、效率差、勞動強度大，受主觀因素影響大等缺點，會使鋁型材生產(chǎn)效率和質(zhì)量普遍較低，因而無法滿足工業(yè)大批量生產(chǎn)的需求。

       近年來，隨著人工智能技術(shù)的再次興起，深度學(xué)習技術(shù)得到了進一步發(fā)展并且融入到許多其他技術(shù)領(lǐng)域中，快速推動了傳統(tǒng)計算機視覺任務(wù)的發(fā)展，這也為鋁型材表面缺陷檢測提供了一個新的解決思路。

        深度學(xué)習最大的一個優(yōu)勢是其擁有自主學(xué)習特征的能力，可自主的從大量圖像數(shù)據(jù)中學(xué)習到更為抽象更為豐富的特征，與傳統(tǒng)的機器視覺識別方法相比，它的出現(xiàn)大大減少了特征提取的成本，同時也減少了傳統(tǒng)機器學(xué)習技術(shù)采取手動提取特征這一方式對識別精度的影響。

        基于深度學(xué)習的這一特性使得采用同一套算法模型實現(xiàn)對鋁型材表面不同類型缺陷的檢測成為了可能。

       基于深度學(xué)習的金屬表面缺陷檢測方法相比于人工目視法和傳統(tǒng)的機器視覺檢測方法，能夠有效地控制金屬產(chǎn)品表面質(zhì)量，對于企業(yè)來說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)習對鋁型材表面缺陷進行檢測可以解決因鋁型材表面缺陷種類多、噪聲干擾大、缺陷與非缺陷對比度低、缺陷區(qū)域小等造成的檢測困難問題。不但在精度上優(yōu)于傳統(tǒng)方法，而且在檢測速度上也有一定的提升，基本可以實現(xiàn)實時性的高精度檢測。

基于深度學(xué)習的

鋁材表面缺陷檢測方法

        將工業(yè)線陣CCD 相機架設(shè)在生產(chǎn)線上方，同時采用高亮的LED線性聚光冷光源進行背打光，通過線陣CCD相機和高速圖像處理系統(tǒng)進行實時的在線掃描。

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

       系統(tǒng)自動記錄瑕疵的圖像、位置等信息，同時通過信號控制實現(xiàn)打標機對瑕疵的自動貼標定位。

        線陣CCD攝像機通過連接在幅面驅(qū)動軸上的編碼器觸發(fā)獲取幅面的圖像信息，CCD相機的分辨率、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，計算機系統(tǒng)通過數(shù)據(jù)庫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效果。

       所以需要對所用鋁型材表面缺陷數(shù)據(jù)集進行特征分析，數(shù)據(jù)增強和數(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、凹坑等是鋁箔加工過程中的常見的瑕疵缺陷。

設(shè)備拍攝方案

① 檢測工位俯視圖

② 檢測工位主視圖

機器視覺檢測原理

       CCD 工業(yè)相機將待測目標轉(zhuǎn)換為圖像信號，通過定制的圖像數(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；圖像系統(tǒng)對這些信號進行相應(yīng)的運算來抽取目標的特征，進而產(chǎn)生檢測結(jié)果并依此控制現(xiàn)場設(shè)備的動作。

1. 圖像預(yù)處理

        經(jīng)編碼器同步傳遞后的 CCD 信號，先通過加速卡進行信號預(yù)處理，進一步增強信號，進而連續(xù)組成圖像。

       預(yù)處理包括：利用傅利葉分析，對信號降噪， 將圖像進行亮度、對比度的調(diào)整，邊緣銳化和平滑濾波。亮度與對比度調(diào)整，增強了圖像特征值，易于識別。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狀噪聲，同時又能較好的保持邊緣信息。

2. 圖像灰度分析

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

       實際采集中，圖像灰度是 在一定范圍內(nèi)進行波動。當灰度值超出范圍，圖像將被判定為缺陷。當然，評價一個信號的灰 度是否是缺陷還不是那么簡單，還要根據(jù)一系列特征值，如亮度、對比度、發(fā)生頻率等綜合考慮后，才能做出最終判定。

3. 缺陷的識別

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

4. 缺陷的處理

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

       深圳市雙翌光電科技有限公司是一家以機器視覺為技術(shù)核心，自主技術(shù)研究與應(yīng)用拓展為導(dǎo)向的高科技企業(yè)。公司自成立以來不斷創(chuàng)新，在智能自動化領(lǐng)域研發(fā)出視覺對位系統(tǒng)、機械手視覺定位、視覺檢測、圖像處理庫等為核心的20多款自主知識產(chǎn)權(quán)產(chǎn)品。涉及自動貼合機、絲印機、曝光機、疊片機、貼片機、智能檢測、智能鐳射等眾多行業(yè)領(lǐng)域。雙翌視覺系統(tǒng)最高生產(chǎn)精度可達um級別，圖像處理精準、速度快，將智能自動化制造行業(yè)的生產(chǎn)水平提升到一個更高的層次，改進了以往落后的生產(chǎn)流程，得到廣大用戶的認可與肯定。隨著智能自動化生產(chǎn)的普及與發(fā)展，雙翌將為廣大生產(chǎn)行業(yè)帶來更全面、更精細、更智能化的技術(shù)及服務(wù)。