汽車行業(yè)是支撐我國實體經(jīng)濟(jì)發(fā)展的重點行業(yè)，目前我國是世界上汽車消費(fèi)量最大的國家，與汽車相關(guān)的產(chǎn)業(yè)形形色色。汽車行業(yè)事關(guān)我們每個人的人身安全，因此汽車行業(yè)也是對檢測要求較高的行業(yè)，幾乎每個零件都需要全檢。所以，汽車零部件尺寸缺陷檢測的意義就顯得尤為重要了。
如今深度學(xué)習(xí)已成為了探測工廠自動化應(yīng)用中，檢測有高度復(fù)雜性、可變性、特別是非結(jié)構(gòu)化場景中的產(chǎn)品外觀缺陷，及其他有害異常的理想工具。
我們都知道，背景有復(fù)雜圖案或高度位置差異的場景會給傳統(tǒng)機(jī)器視覺檢測系統(tǒng)帶來困難。如果缺陷類型復(fù)雜并有很多位置差異，制造商就無法使用較傳統(tǒng)的檢測方法，這是因為編程會太費(fèi)時、復(fù)雜和繁瑣。并且，零件間的自然差異有時也難以預(yù)測?？紤]到材料的延展性、柔性和易變形的特性，即使是一致的背景，視覺外觀也可能有很大差異，而塑料和編織材料尤其容易出現(xiàn)這種問題。
下面我們就來看看汽車行業(yè)中有哪些缺陷探測難點，以及如何運(yùn)用深度學(xué)習(xí)，幫助工廠實現(xiàn)高效自動化運(yùn)轉(zhuǎn)。
#汽車行業(yè)缺陷探測
汽車零件有很多有挑戰(zhàn)性的表面。其中對自動化探測系統(tǒng)來說最麻煩的就是內(nèi)部座椅和氣囊中使用的織物檢測。
對于安全氣囊檢測，查找縫線和接縫的缺陷是關(guān)鍵，因為這可能會對其效果產(chǎn)生關(guān)鍵性的影響。但織物在紗線粗細(xì)、織紋和圖案方面有天然的可變性，因此檢測極具挑戰(zhàn)。
首先，天然織物很復(fù)雜，其外觀會根據(jù)拉伸情況和拍攝光線有所變化。其次也是最麻煩的，就是縫線或接縫缺陷的數(shù)量，使用規(guī)則算法直接搜索每一個缺陷，不但繁瑣且?guī)缀醪豢赡軐崿F(xiàn)。這時可以用深度學(xué)習(xí)的方式對氣囊織物的正常外觀進(jìn)行訓(xùn)練，再由檢測系統(tǒng)識別潛在缺陷。
深度學(xué)習(xí)工具可以通過神經(jīng)網(wǎng)絡(luò)歸納概括織物的可變性質(zhì)，從而在忽略織造圖案、紗線特性、顏色和其他可接受瑕疵的自然變化的同時，識別所有異常外觀。偏離這些正常變化的任何異常，例如意外的針跡、織布漂浮、經(jīng)紗或緯紗中的回線、鉤刺或孔眼，都會被系統(tǒng)標(biāo)記為缺陷。這樣，無需提前定義缺陷庫即可完成織物檢測。這種深度學(xué)習(xí)新方式為汽車織物的自動化質(zhì)量控制帶來了和人類視覺檢測一樣的效果。也因此大大提高了檢測效率，幫助工廠實現(xiàn)全面自動化發(fā)展。
