目前弧面邊框缺陷檢測在流水線上仍是采用人工質檢員進行檢測，人工檢測缺點很明顯：魯棒性差，客觀性差，自動化弱。

        為了促進工業制造的自動化和智能化，針對人工質檢的缺點和弧面邊框缺陷種類多樣、尺寸大小不一，本文基于深度學習方式對弧面邊框缺陷智能檢測進行研究。

01背景

       隨著如今移動互聯網大規模的發展，移動互聯網上網人數極速激增，幾乎每個人都能手持一部移動設備手機進行網上瀏覽，因此手機設備隨之激增。手機外殼是手機的一大組成，手機外觀的邊框好壞也是手機質量的一大量化標準，因此人們對手機外殼的質感提出了更好的要求。手機外殼制造過程中會經過粗銑、精銑、拋光、噴砂、高光等十幾道復雜工藝流程，弧面邊框表面可能會產生凹痕、碰傷或細小裂紋，帶有以上缺陷的機殼樣品，屬于不合格樣品，需要進行后續的回爐再造。在目前機殼生產組裝工廠中，機殼的弧面邊框是否有缺陷主要還是以人工檢測為主，即在流水線上，有專門培訓的質檢員在高亮光的環境下，通過肉眼辨別弧形表面是否存在缺陷進行判斷。該檢測方式存在以下幾個顯著缺點:1) 質檢員個人有特定要求，需要眼力好的年輕人。2) 客觀性差，每個質檢員的評價標準并不統一3) 魯棒性差，質檢員無法長時間在亮光下進行檢測容易眼睛疲勞，為保持高水平的質量判斷，需要輪流交班接棒4) 效率低，一條流水線需要四五個質檢員進行人工檢測。因此，采用基于深度學習技術對手機邊框弧面缺陷檢測進行研究，有助于工業制造的智能化發展。

02難點

        手機邊框缺陷檢測的難點主要有兩方面。第一是，如何獲取成像清晰的邊框缺陷終像，因為手機外殼的邊框材質屬于易反光材質，因此需要專門設計合適的燈箱和鏡頭位置布局。第二是，手機外殼邊框弧面缺陷類型多樣，有碰傷、劃痕、點狀缺陷等等，分布在耳機口、充電口或者長短邊弧面等不同的地方。

手機邊框缺陷

       可以看到流水線上的機殼邊框弧面的缺陷樣品圖像，有大面積的缺塊碰傷、細小的凹痕、垂直深刻的豎紋，也有微小的細痕。缺陷種類繁多，各類的缺陷特征都不一致，形狀各異，面積大小跨度也大，這對缺陷檢測的算法設計是一個困難點。傳統的缺陷檢測算法往往是針對某一類缺陷進行設計，對其他類型的缺陷往往不通用，容易出現高漏檢率和高誤檢率的情況。如何設計出兼容多類缺陷特征的通用算法也是一個重大的困難點。隨著工業界開始不斷出現完全采用深度學習方式，通過深度卷積神經網絡實現表面缺陷檢測，可以達到更高的檢測精度。

03檢測

       實現一個完整的自動化檢測系統，除了算法需要實現之外，還需要完成一整套弧面缺陷智能檢測系統，根據現有產品的特點進行調研，與需求方進行長期的溝通探討，整理出以下的實現需求：1)能夠實時顯示弧面邊框圖像，并且能夠通過上位機對相機進行調焦、曝光、增益等操作;2)能夠通過上位機對下位機發送控制信號，對運動平臺進行控制;3)能夠自動檢測出弧面缺陷位置所在，并在軟件主窗口展現出來，圖片展示能夠實現縮放拖拉查看;4)能夠存儲產品的相關參數，并通過選擇相應產品自動調節相機的間隔和運動的起始和終止距離;硬件系統硬件系統部分主要是合理設計運動部件、相機部件和光源部件的位置和聯動，以便獲取高質量的成像效果，便于后續算法設計和軟件系統的實現。產品檢測的整體運動流程，產品水平放置，使其弧形面呈現在側面，拍攝從側面進行，產品從起始位置開始做直線運動，一邊運動一邊采集圖像。由于產品的四條邊和四個圓弧過渡角都需要檢測，產品除了做直線運動，還要在過渡角出做回轉動。產品檢測的運動過程是先直線運動，在產品前進的過程中用4個相機分兩組分別采集兩條側邊的圓弧面以及部分圓弧轉角處的圖像，在產品進行90度轉角的同時，兩組相機也進行平移運動，調整相機模組的拍攝距離和鏡頭的景深，然后讓產品直線后退，在后退的過程中采集另外兩條側邊弧面的圖像，圖像采集完成之后，產品直接退出，進行下一個產品的上料待檢。

待檢產品直線運動示意圖

       因被檢測的產品表面為圓柱形弧面，因此至少需要兩個相機進行拍攝。工業相機的安裝需根據待檢產品的形狀和尺寸，冬像的清晰度和景深的要求，調節拍攝的距離和拍攝的角度。另相機不僅可以進行調節，還可以隨著運動模組進行水平方向的運動，進一步動態地控制拍攝距離。

相機模塊的正視圖和俯視圖

       成像所使用的光源是一種用于均勻照明的穹頂光源。對于彎曲和不平表面，可以通過光源的大張角進行成像，對于檢測球型或曲面物體。由于穹頂光源的內壁可以通過反射將反射光分散，消除弧形表面存在大部分的不均勻反光。穹頂光源特點:1)發出的光通過半球型內壁的反射形成散射照明光，實現對弧形金屬表面實現均勻的照明;2)穹頂光源覆蓋全波長范圍，主要應用于弧形表面缺陷檢測或不平坦表面檢測。

穹頂光源正視圖/側視圖

04如何選擇合適的AI檢測平臺

       由于產品缺陷檢測是生產線上應用的一個實時檢測系統，所以該系統具有較強的實時、快速性，因此需要非常大的圖像數據量。為了提高系統處理速度，除了采用比較高性能的硬件以外，還需要在軟件運算方式和運算速度方面來考慮問題。軟件系統在接受到硬件系統所采集的圖像后， 對所獲產品表面圖像進行處理完成檢測與缺陷分類。該過程中，圖像處理關鍵步驟的圖像及缺陷檢測結果會實時顯示在交互界面上，并保存至生產日志。與此同時，檢測過程中，計時與計數信息同步更新，顯示在交互界面上，并保存至生產日記。機器視覺軟件選型要點1、圖像預處理大部分的圖像處理軟件提供預處理算法，所以需要比較其提供的豐富程度，效率等。2、易于編程和操作簡單直觀的圖形界面是易于使用和設置的關鍵。當今機器視覺產品的主要區別在于它們的圖形界面。界面應根據“設置”和“操作”進行評估。3、便于升級當挑選一個機器視覺軟件時應思考系統將來的升級問題。

a/無缺陷圖像 b/有缺陷圖像

       該方法可靠性高、 可擴展性強，不僅降低該方法可靠性高、 可擴展性強，不僅降低了產品缺陷的漏檢率和廢品率， 還解決了生產現場環境惡劣、 工人操作危險和實時性差等問題。

       深圳市雙翌光電科技有限公司是一家以機器視覺為技術核心，自主技術研究與應用拓展為導向的高科技企業。公司自成立以來不斷創新，在智能自動化領域研發出視覺對位系統、機械手視覺定位、視覺檢測、圖像處理庫等為核心的20多款自主知識產權產品。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領域。雙翌視覺系統最高生產精度可達um級別，圖像處理精準、速度快，將智能自動化制造行業的生產水平提升到一個更高的層次，改進了以往落后的生產流程，得到廣大用戶的認可與肯定。隨著智能自動化生產的普及與發展，雙翌將為廣大生產行業帶來更全面、更精細、更智能化的技術及服務。