铝板材缺陷视觉检测

随着金属材料窗门、交通业、化工、电气设备业、国防军工等领域的快速发展趋势，对铝材质的要求也在提升，推动了新技术的不断进步和产业链的维持健康发展趋势。人眼对表面缺陷的传统质检方法已经不可以快速响应快速生产制造的实时监测（高速流水线）、线上预警信息、缺陷剖析、制成品级别等要求，视觉检测系统取代人力质检已经是必然趋势。

在铝板材的实际生产过程中，由于各方面因素的影响，铝板材表面会产生裂纹、起皮、划伤等瑕疵，这些缺陷会严重影响铝型材的质量。为保证产品质量，需要人工进行肉眼目测。然而，铝板材的表面自身会含有纹路，与瑕疵的区分度不高。铝板材缺陷视觉检测和常见的缺陷检测难点相似。第一是缺陷目标不规则，同种缺陷具有不同的形状；第二部分缺陷较小，缺陷检测常常输入图片较大而缺陷较小，最后是缺陷与背景的差异小。

为此，深圳市虚数科技有限公司研发出对专门针对铝板材的缺陷视觉检测——DLIA工业缺陷检测，结合图像识别与深度学习人工智能技术组建的铝板材缺陷视觉检测设备，可以解决裂纹、起皮、划伤、杂质、黑点、破损、缺口、褶皱、起棱等不良问题，其检测准确率97.9%，同时铝板材缺陷视觉检测还可以在线/离线检测。

为了解决铝板材部分条状缺陷检测问题，DLIA工业缺陷检测使用变形卷积技术，增强卷积核在特征图上采集特征的能力。改进过的DLIA工业缺陷检测比原始的缺陷检测算法在检测准确度上更高，检测速度和检测准确度均比其他主流检测软件要高，铝板材缺陷视觉检测具有较好的实时性，不仅可以提高生产效率，降低用人成本，而且可以帮助企业实现升级改造。深度学习更是保证了，获取更多缺陷样本数据时，进一步提高铝板材缺陷视觉检测的准确性。