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(dāng)?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(biāo)進行檢測，

       其具有準(zhǔn)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。

       隨著工業(yè)自動化朝著智能化方向的發(fā)展，一些基于機器視覺檢測的方法開始在金屬材料表面缺陷檢測中得以應(yīng)用。

       該方法主要是基于傳感器和數(shù)字圖像處理算法，需要對不同的缺陷類別設(shè)計對應(yīng)的特征提取器，可見，要想提取好的特征，還需要研究人員具有一定的專業(yè)背景，但在實際生產(chǎn)環(huán)境下金屬材料表面的缺陷種類繁多，形態(tài)復(fù)雜多變，缺少固定的特征，在缺陷與背景之間對比度低、小目標(biāo)缺陷受噪聲干擾的情況下易造成檢測精度低，很顯然以這種方式構(gòu)造特征魯棒性較差，通用性較差日適用面窄。同時，一些檢測系統(tǒng)的成本比較高，設(shè)備品貴，對一些小的企業(yè)工廠來說具有較大的經(jīng)濟壓力。

       近些年來，隨著人工智能技術(shù)的再次興起，深度學(xué)習(xí)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(xí)最大的一個優(yōu)勢是其擁有自主學(xué)習(xí)特征的能力，可自主的從大量圖像數(shù)據(jù)中學(xué)習(xí)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(xí)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(xí)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(xí)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，故對于企業(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(xí)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(xí)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。

       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(biāo)機對瑕疵的自動貼標(biāo)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

機器視覺檢測原理

       CCD 工業(yè)相機將待測目標(biāo)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(biāo)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(dāng)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(dāng)灰度值超出范圍，圖像將被判定為缺陷。當(dāng)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(biāo)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)。

       雙翌光電一直專注于從事機器視覺行業(yè)，在機器視覺系統(tǒng)及機器視覺軟件領(lǐng)域不斷探索與研發(fā)，應(yīng)用范圍涉及包裝印刷、電子、紡織、汽車制造、半導(dǎo)體、等領(lǐng)域，為各行業(yè)工廠客戶提供機器視覺產(chǎn)品、視覺自動檢測技術(shù)、視覺檢測設(shè)備，視覺定位，視覺對位，視覺測量，缺陷檢測，標(biāo)簽檢測，印刷檢測，機器視覺軟件，全套視覺解決方案。