由于原材料、軋制工藝、人為、環(huán)境等因素的影響，金屬工件在生產(chǎn)過程中往往會出現(xiàn)劃痕、黃斑、雜質(zhì)等瑕疵，在加工鏈早期引入的瑕疵會導(dǎo)致后續(xù)加工問題或在應(yīng)用階段性能受損以及引發(fā)故障。

金屬表面瑕疵會嚴(yán)重影響產(chǎn)品的穩(wěn)定性、功能性和美觀性，瑕疵檢測是工業(yè)質(zhì)量控制的重要組成部分，對提高生產(chǎn)質(zhì)量具有重要意義。

對金屬表面瑕疵進(jìn)行分類可以快速識別和消除其發(fā)生的原因，軋制金屬的缺陷是標(biāo)準(zhǔn)化的，現(xiàn)代裝置和控制系統(tǒng)根據(jù)其參數(shù)的描述對缺陷進(jìn)行分類，這些參數(shù)在不同的工藝條件下可能會有所不同，缺陷的特征因生產(chǎn)環(huán)境以及生產(chǎn)者等因素的變化而變化，不受公認(rèn)標(biāo)準(zhǔn)的約束，生產(chǎn)過程中即使很小的變化也會導(dǎo)致新型缺陷的出現(xiàn)。

即使瑕疵類別相同，在形狀、結(jié)構(gòu)上也會有所不同，這使得它們的分類變得復(fù)雜，對缺陷特征的不準(zhǔn)確描述也會導(dǎo)致漏檢或錯檢的現(xiàn)象發(fā)生。

目前，金屬表面的瑕疵檢測主要由工作人員采用人工目視檢測，目視檢測難以定量分析，這個(gè)過程取決于許多因素，包括員工的經(jīng)驗(yàn)程度、視覺疲勞等主觀因素，檢測置信度較低，難以保證數(shù)據(jù)的客觀性與準(zhǔn)確性。

由于漏檢或錯檢致使瑕疵品摻雜于正常品中，后期合成的成品的性能將難以保證，對生產(chǎn)制造商帶來重大的財(cái)物損失，因此工業(yè)對于檢測和分類金屬表面瑕疵的自動化系統(tǒng)的需求非常高。

本文的研究對象是連接或斷開電氣設(shè)備之間電路的重要電氣組件，這種金屬產(chǎn)品被廣泛用于開關(guān)、斷路器和繼電器等電氣行業(yè)的重要部件中。對于以此種金屬制品為組件的產(chǎn)品而言，其質(zhì)量對產(chǎn)品性能的完整性以及可靠性起著至關(guān)重要的作用，在其使用壽命內(nèi)必須穩(wěn)定可靠地進(jìn)行百萬次接觸。

金屬表面瑕疵識別的挑戰(zhàn)

盡管現(xiàn)在已經(jīng)涌現(xiàn)出許多基于機(jī)器視覺的瑕疵檢測方法，但是基于機(jī)器視覺的瑕疵檢測仍然是一項(xiàng)新穎的技術(shù)，并且該技術(shù)需要針對特定任務(wù)特定分析與設(shè)計(jì)，金屬表面瑕疵檢測仍處于研究階段。

金屬表面瑕疵的識別和檢測對機(jī)器視覺領(lǐng)域提出了許多挑戰(zhàn)，挑戰(zhàn)包括：

1）類別復(fù)雜

研究對象表面的瑕疵類別繁多，不同類別的瑕疵也存在一定的交叉性，即使同一類別內(nèi)的瑕疵在顏色、形態(tài)、位置等方面也存在許多差異性。

并且，具體瑕疵的類別不受標(biāo)準(zhǔn)的約束，在實(shí)際生產(chǎn)環(huán)節(jié)，隨生產(chǎn)環(huán)境、操作人員的變化而變化，一點(diǎn)點(diǎn)微小的變化都可能引入一種新的瑕疵類別。

2）表面反射率高

金屬產(chǎn)品的表面光滑，其表面的高反射率容易帶來高光以及陰影區(qū)，這種灰度值不一致的現(xiàn)象增加了偽邊緣檢測的可能性，在冷卻環(huán)節(jié)中產(chǎn)生的水滴、水布、雨線、水霧等構(gòu)成的偽缺陷也會對分類系統(tǒng)造成一定的干擾。

3）推理速度

在實(shí)際生產(chǎn)環(huán)節(jié)中，待測產(chǎn)品往往處于轉(zhuǎn)速較快的轉(zhuǎn)盤之上，基于機(jī)器視覺的金屬表面瑕疵識別系統(tǒng)需要快速可靠地依次對各個(gè)產(chǎn)品做出判別，并依據(jù)判別結(jié)果將產(chǎn)品劃分為給定的類別。

4）部署需求

具有良好性能的深度學(xué)習(xí)模型同時(shí)伴隨著高額的存儲空間以及計(jì)算資源的消耗，難以在資源受限的設(shè)備中進(jìn)行部署。

傳統(tǒng)機(jī)器視覺VS深度學(xué)習(xí)

基于機(jī)器視覺的金屬表面瑕疵識別是冶金工業(yè)領(lǐng)域的研究熱點(diǎn)，傳統(tǒng)機(jī)器視覺識別方式的關(guān)鍵點(diǎn)在于針對給定目標(biāo)，由工程師決定選擇運(yùn)用哪些特征描述以與其它類別加以區(qū)分，同時(shí)每個(gè)特征定義都需要處理很多參數(shù)，由工程師進(jìn)行微調(diào)，需要很強(qiáng)的專業(yè)領(lǐng)域知識，構(gòu)建的瑕疵識別系統(tǒng)在準(zhǔn)確率以及遷移性上比較差。

深度學(xué)習(xí)利用大數(shù)據(jù)和豐富的計(jì)算資源來提高預(yù)測性能，與傳統(tǒng)機(jī)器視覺識相比具有更強(qiáng)大的特征學(xué)習(xí)以及特征表達(dá)能力，已經(jīng)突破了數(shù)字圖像處理領(lǐng)域的極限。

傳統(tǒng)的圖像分類研究主要由研究人員針對所要解決的問題，設(shè)計(jì)并提取定性或定量表達(dá)的特征，對這些特征進(jìn)行統(tǒng)計(jì)分析或進(jìn)行閾值分割得出結(jié)果。

在特征提取環(huán)節(jié)，依賴于研究者的先驗(yàn)知識以及對分類任務(wù)的認(rèn)知，容易忽視或未能理解一些復(fù)雜、隱藏或非直覺的現(xiàn)象而忽略一些特征變量，而提取的特征直接影響系統(tǒng)的性能。

傳統(tǒng)的圖像分類往往是針對某個(gè)特定的識別任務(wù)，數(shù)據(jù)規(guī)模不大，泛化能力較差，對于龐大的圖像數(shù)據(jù)，嚴(yán)重的圖像干擾等情形，難以在實(shí)際應(yīng)用中實(shí)現(xiàn)精準(zhǔn)的識別效果。

除此以外，傳統(tǒng)的圖像處理方法常需要復(fù)雜的閾值設(shè)置來進(jìn)行缺陷識別，這些閾值設(shè)置對光照條件和背景等環(huán)境因素很敏感。如果環(huán)境因素發(fā)生變化，這些閾值的設(shè)置需要重新仔細(xì)調(diào)整，否則算法無法適應(yīng)新的環(huán)境，缺乏適應(yīng)性和魯棒性。

傳統(tǒng)圖像分類與深度學(xué)習(xí)分類的對比

與傳統(tǒng)的圖像處理方法相比，在特征提取環(huán)節(jié)，深度學(xué)習(xí)可以從原始數(shù)據(jù)中自動提取更高維、更抽象的特征，替代了繁雜的人工特征描述與提取環(huán)節(jié)；

與之相比，在計(jì)算機(jī)視覺領(lǐng)域，基于深度學(xué)習(xí)的網(wǎng)絡(luò)模型具備更強(qiáng)的特征學(xué)習(xí)和特征表達(dá)能力，神經(jīng)網(wǎng)絡(luò)可以以積極的方式揭示更多影響識別質(zhì)量的特征，可構(gòu)建更加通用和準(zhǔn)確的識別方法。

金屬表面瑕疵識別

金屬產(chǎn)品在轉(zhuǎn)盤上按一定方向轉(zhuǎn)動，當(dāng)其位于攝像頭下方時(shí)進(jìn)行圖像采集，原始圖像是由工業(yè)相機(jī)在平行光源下成像獲得，采集的圖像構(gòu)成數(shù)據(jù)集。由于現(xiàn)場拍攝到的金屬工件圖像受打光不均、污漬灰塵、機(jī)械裝置震動等因素的影響，拍攝到的原始圖像往往背景不夠單純，含有各類干擾，導(dǎo)致圖像特征提取困難。加之工業(yè)環(huán)境相對較為復(fù)雜，空氣中的灰塵、細(xì)小纖維以及生產(chǎn)環(huán)節(jié)的殘留的水汽，油漬等難免會進(jìn)入到相機(jī)拍攝范圍內(nèi)，對瑕疵檢測造成一定的干擾，因此有必要對采集到的圖像進(jìn)行預(yù)處理，以排除干擾將圖像轉(zhuǎn)換為更適合后續(xù)特征提取的形式。通過圖像預(yù)處理也可以減少圖像處理時(shí)間，提供更高的識別精度。

特征提取是一種數(shù)據(jù)降維的特殊形式，特征提取的主要目標(biāo)是從原始數(shù)據(jù)中排除無關(guān)緊要以及冗余的信息，進(jìn)而獲取最具區(qū)分性的信息，并以較低維度的形式表示該信息。

本文將金屬產(chǎn)品分為3個(gè)區(qū)域區(qū)別處理，分別為紋理區(qū)域、光滑區(qū)域和外圓區(qū)域。

紋理區(qū)域比較特殊，表面不平整但具有一定的紋理特性，需要單獨(dú)提取出來特殊處理。正常金屬產(chǎn)品的光滑區(qū)域較為平整，針對不同產(chǎn)品的光滑區(qū)域，正常品灰度值趨勢平緩而瑕疵品灰度值趨勢波動，將該區(qū)域單獨(dú)提取出來，可以更好的利用這種優(yōu)勢。

光照并非均勻照射到整個(gè)金屬產(chǎn)品表面，但光照過渡較為平緩。為減弱光照不均的影響，便于后續(xù)特征提取環(huán)節(jié)，本次使用8個(gè)扇形掩膜將光滑區(qū)域和外圓區(qū)域平均分成8個(gè)區(qū)域，對應(yīng)于編號1-8。

對不同區(qū)域設(shè)定不同閾值，可減少光照不均帶來的不良影響，更便于對金屬產(chǎn)品進(jìn)行特征提取，例如金屬產(chǎn)品表面右側(cè)打光較亮，灰度均值相比左側(cè)較高，則設(shè)定的閾值可適當(dāng)提高，同樣，在金屬產(chǎn)品左側(cè)，灰度均值較低，則設(shè)定的閾值可適當(dāng)降低。

在采集金屬表面圖像的過程中，對光照條件要求較高，并且光滑的金屬表面意味著高反射率，容易在金屬表面形成高亮或陰影區(qū)，這種不一致的灰度現(xiàn)象增加了邊緣檢測的困難性。這些場景廣泛存在于實(shí)際的工業(yè)環(huán)境中，對金屬表面缺陷的檢測提出了巨大的挑戰(zhàn)。

以上為本文研究的四種金屬產(chǎn)品表面的瑕疵類型。

光照不均且金屬表面的高反射性增大了瑕疵檢測的難度，在外圓區(qū)域瑕疵檢測性能不佳，為了更好地展示所提系統(tǒng)的性能，本文主要以光滑區(qū)域的實(shí)驗(yàn)結(jié)果進(jìn)行展示。