[發明專利]一種基于深度學習的鋁壓鑄件表面缺陷檢測方法

在審

• 申請號: 202011225995.3
• 申請日: 2020-11-05
• 公開（公告）號: CN112345539A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 曹彬;胡江洪;袁帥鵬
• 申請（專利權）人: 菲特（天津）檢測技術有限公司
• 主分類號: G01N21/88
• 分類號: G01N21/88;G06K9/62;G06N3/08;G06T5/50;G06T7/00
• 代理公司: 天津盈佳知識產權代理事務所(特殊普通合伙) 12224
• 代理人: 孫寶蕓

本發明公開是關于一種基于深度學習的鋁壓鑄件表面缺陷檢測方法，涉及數字圖像處理技術領域。包括：通過光度立體法，將多張不同角度照明的圖片合成一張格式的圖片，使缺料、劃傷等缺陷更加明顯；應用深度學習方法，訓練出目標檢測模型，檢測圖像中的缺陷。本發明采用普通FA鏡頭和定制的環形光源來完成光度法的打光。環形光源平均分成四部分，使用控制程序依次控制每部分光源的開光，每次只亮一部分，且同時采集圖像。采集完圖像后，使用光度立體法將四張圖像合成一張tiff格式圖像。從合成的圖像可以看到，劃傷等缺陷被明顯地呈現出來。

技術領域

本發明公開涉及數字圖像處理技術領域，尤其涉及一種基于深度學習的鋁壓鑄件表面缺陷檢測方法。

背景技術

鋁壓鑄件在汽車變速箱的生產中有著重要的應用，汽車行業的快速發展帶動了鋁壓鑄件的大批量生產，鋁壓鑄件作為變速箱的關鍵零部件，其表面質量直接影響零件的裝配和使用性能。鑄造過程中由于受生產設備、鑄造工藝、人工技術和外部環境等因素的影響，鋁壓鑄件表面不可避免地產生氣孔、裂紋、劃痕等缺陷，影響成品的外觀、密封性、抗磨性等性能，甚至影響變速箱的正常使用。

目前，針對鋁壓鑄件的表面缺陷的檢測仍以人工目視為主。在長期的單一重復性工作中，工人容易產生疲勞，導致不合格的產品流入到應用市場中。不同的工人操作的手法力度寬嚴也不盡相同，對于極限件合格性的判斷會產生主觀不一致。鋁壓鑄件表面形狀復雜、缺陷類型多樣，并且在生產過程中出現的水漬、油污、加工紋理等易被誤識別為缺陷，對檢測結果造成干擾。Femandez.C開發了連鑄鋁合金鑄件在線表面檢測視覺系統，采用面陣CCD進行圖像采集，利用相似性算法和紋理算法實現了多種表面缺陷檢測和分類識別。Robles.L采用改進的模糊模式識別算法進行鑄件表面的缺陷分類和識別，對裂紋和孔洞等缺陷具有良好的分類效果。Timothys.Newan等人研究設計了一套用于鑄件表面自動視覺檢測系統，適合測量大量存在表面缺陷的金屬鑄件。但是針對氣孔、裂紋、劃痕等缺陷，因產品狀態不一致，未能準確識別。隨著近年來深度學習在工業檢測領域的應用越來越廣泛，效果越來越好，本發明提出了一種基于深度學習的鋁壓鑄件表面缺陷檢測算法。

鑒于上述分析，現有技術存在的問題是：

(1)以人工目視為主的鋁壓鑄件的表面缺陷的檢測過程中，工人容易產生疲勞，導致不合格的產品流入到應用市場中。

(2)不同的工人操作的手法力度寬嚴也不盡相同，對于極限件合格性的判斷會產生主觀不一致。

(3)鋁壓鑄件表面形狀復雜、缺陷類型多樣，并且在生產過程中出現的水漬、油污、加工紋理等易被誤識別為缺陷，對檢測結果造成干擾。

解決上述技術問題的難度在于：

針對鋁壓鑄件表面缺陷檢測的研究成果較少.由于鋁壓鑄件形狀復雜，最常見的氣孔缺陷尺寸細微，難以準確分割出缺陷區域，并且在生產過程中出現的水漬、油污等易被誤識為缺陷，對傳統方式的檢測結果造成干擾。

鋁壓鑄件存在各種形態，為降低企業生成成本，增加算法的有效檢出能力，需要算法具有一定的通用性，通過對缺陷進行標注訓練識別，需要適應不同型號的產品。

解決上述技術問題的意義在于：

考慮到傳統人工檢測方式以及傳統視覺的檢測方式，采用本文提出的檢測方法可以適應不同表面形態、不同類型的缺陷，降低因水漬、油污對算法的影響，提高了檢測的效率。

同一套算法模型適用不同類型的鋁壓鑄件產品缺陷的檢測，實現了一次標注訓練，適應所有類似的缺陷檢測，降低了企業的運營成本，提高后期設備的研發效率。

發明內容

為克服相關技術中存在的問題，本發明公開實施例提供了一種基于深度學習的鋁壓鑄件表面缺陷檢測方法。所述技術方案如下：

該基于深度學習的鋁壓鑄件表面缺陷檢測方法包括：