一、介绍
缺点检测是工业视觉技术中最沉要的组成部门。业务宽泛，场景丰硕，技术难点高、工作量大。针对分歧的场景，选择分歧的相机和鉴别步骤。
通常情况下，工业视觉相机分为面阵和线阵，大部门有点要求的场景对应必要的相机都比力贵，相机还要配套光源、镜头组成一套成像系统。算法的研发用度也是比力贵的，一种产品缺点的研发周期至少也是一个月以上，往往必要一个幼团队共同开发。好多场景的缺点至今是无法解决或者无法实用的。这就造成了有的场景利润低，用人为迸酌机械更省钱，有的场景利润高，惋惜没人能作出实用的系统。
如上图所示，通过线阵相机环抱一周扫描得到的图像。清澈度比力高，但设备价值相对偏高。
2、缺点分类
对于缺点的类别，国标中的界说，分好多种情况，针对分歧的厂家需要有分歧的要求。好比。嚎煞治褂，划痕，坑类别。这里重要分为三类，印，电镀不良及脏污。如下图所示：
本步骤选取深度进建分类技术，对于样本的标注采取mask的方式，mask灰度值分歧用来批示类别。如下图所示：
（1）将扫描图片凭据金属件宽度缩放到指定大幼，并进行幽微的随机放大缩；
（2）设定窗口大幼如15x15,以滑动窗口的大局，扫描金属件，得到样本，其中正样本为缺点面积占窗口大于20%，类别为面积最大的类型（思考到有外交的情况），负样本为缺点面积占窗口幼于1%，其他情况舍弃（保留中央地带进行界限分辨）；
（3）选取单一的卷积网络作为分类器训练，多个分类器形成级联分类器；
5、预测过程
预测过程如下：
（1）对输入图像，凭据金属件宽度缩放到指定大；
（2）滑动窗口对缺点的每一块进行分类；
（3）用成长算法将幼的缺点框合成一个大的框输出
三、主题思想
算法设计比力单一，有几个点极度沉要却也容易忽略掉的：
1、样本的标注要尽可能详细，要思考到金属件的尺度和窗口的大幼，极度影响缺点的界说；
2、参加训练的样本，正负明显，抛弃肯定的中央样本，这些样本往往是缺点的天堑，及藐幼的不必要检测的缺点；
3、缺点的状态千奇百怪，没有固定的表形模式，通用的指标检测容易犯错，价值比力高；
4、样本加强无需思考太多，成像情况通常比力不变；
5、选取级联分类的方式将极大的提升速度，总的成效相对于单一分类器无差距；
6、选取宰割方式（点像素分类）所需样本多，没有样本距离的机造，达到同样的成效，功夫复杂度显著比力高。
四、了局
左边为未对缺点框成长的成效，右边为成长了局。
缺点检测是工业视觉技术中最沉要的组成部门。业务宽泛，场景丰硕，技术难点高、工作量大。针对分歧的场景，选择分歧的相机和鉴别步骤。
通常情况下，工业视觉相机分为面阵和线阵，大部门有点要求的场景对应必要的相机都比力贵，相机还要配套光源、镜头组成一套成像系统。算法的研发用度也是比力贵的，一种产品缺点的研发周期至少也是一个月以上，往往必要一个幼团队共同开发。好多场景的缺点至今是无法解决或者无法实用的。这就造成了有的场景利润低，用人为迸酌机械更省钱，有的场景利润高，惋惜没人能作出实用的系统。
二、步骤
分歧的缺点合用分歧的算法，介绍的算法仅合用于光滑表表缺点检测，其他方向检测不合用。1、物体及成像——如下图所示：
对物体具体行业不是很明确，我们称之为金属件，或许是用在特殊领域。成像成效如下：
如上图所示，通过线阵相机环抱一周扫描得到的图像。清澈度比力高，但设备价值相对偏高。
2、缺点分类
对于缺点的类别，国标中的界说，分好多种情况，针对分歧的厂家需要有分歧的要求。好比。嚎煞治褂，划痕，坑类别。这里重要分为三类，印，电镀不良及脏污。如下图所示：
绿框标注的是脏污，红框标注的是电镀不良，蓝框标注印。
本步骤选取深度进建分类技术，对于样本的标注采取mask的方式，mask灰度值分歧用来批示类别。如下图所示：
（1）将扫描图片凭据金属件宽度缩放到指定大幼，并进行幽微的随机放大缩；
（2）设定窗口大幼如15x15,以滑动窗口的大局，扫描金属件，得到样本，其中正样本为缺点面积占窗口大于20%，类别为面积最大的类型（思考到有外交的情况），负样本为缺点面积占窗口幼于1%，其他情况舍弃（保留中央地带进行界限分辨）；
（3）选取单一的卷积网络作为分类器训练，多个分类器形成级联分类器；
5、预测过程
预测过程如下：
（1）对输入图像，凭据金属件宽度缩放到指定大；
（2）滑动窗口对缺点的每一块进行分类；
（3）用成长算法将幼的缺点框合成一个大的框输出
三、主题思想
算法设计比力单一，有几个点极度沉要却也容易忽略掉的：
1、样本的标注要尽可能详细，要思考到金属件的尺度和窗口的大幼，极度影响缺点的界说；
2、参加训练的样本，正负明显，抛弃肯定的中央样本，这些样本往往是缺点的天堑，及藐幼的不必要检测的缺点；
3、缺点的状态千奇百怪，没有固定的表形模式，通用的指标检测容易犯错，价值比力高；
4、样本加强无需思考太多，成像情况通常比力不变；
5、选取级联分类的方式将极大的提升速度，总的成效相对于单一分类器无差距；
6、选取宰割方式（点像素分类）所需样本多，没有样本距离的机造，达到同样的成效，功夫复杂度显著比力高。
四、了局
总计标注200余张样本，覆盖各种类型的缺点。在2000余张不参加训练的样本测试，显著缺点检出率100%，误检率0.1%（大多比力。。成效如下：
左边为未对缺点框成长的成效，右边为成长了局。
