【OpenCV】告别人工目检：深度学习技术引领工业品缺陷检测新时代

柔光的暖阳◎ 2024-04-22 04:35 62阅读 0赞

**目录**

前言

机器视觉

缺陷检测

工业上常见缺陷检测方法

--------------------

#### 前言 ####

> 前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。 [点击跳转到网站][Link 1]

#### 机器视觉 ####

机器视觉是使用各种工业相机，结合传感器跟电气信号实现替代传统人工，完成对象识别、计数、测量、缺陷检测、引导定位与抓取等任务。其中工业品的缺陷检测极大的依赖人工完成，特别是传统的3C制造环节，产品缺陷检测依赖于人眼睛来发现与检测，不仅费时费力还面临人员成本与工作时间等因素的制约。使用机器视觉来实现产品缺陷检测，可以节约大量时间跟人员成本，实现生产过程的自动化与流水线作业。

#### 缺陷检测 ####

常见得工业品缺陷主要包括划痕、脏污、缺失、凹坑、裂纹等，这些依赖人工目检（眼睛检测）的缺陷都可以通过机器视觉的缺陷检测算法来实现替代。当前工业缺陷检测算法目前主要分为两个方向，基于传统视觉的算法和基于深度学习的算法，前者主要依靠对检测目标的特征进行量化，比如颜色，形状，长宽，角度，面积等，好处是可解释性强、对样本数量没有要求、运行速度快，缺点是依赖于固定的光照成像，稍有改动就要改写程序重新部署，而且检测规则和算法跟开发者经验其主导作用。基于深度学习的缺陷检测算法刚好能弥补前者的不足之处，能够很好适应不同的光照，更好地适配同类缺陷要求，缺点是对样本数量有一定要求，对硬件配置相比传统也会有一定要求。

《OpenCV应用开发：入门、进阶与工程化实践》一书第十四 章 通过案例详细介绍基于OpenCV如何实现传统方式的缺陷检测跟基于深度学习的缺陷检测。

#### 工业上常见缺陷检测方法 ####

方法一：基于简单二值图像分析实现划痕提取，效果如下：

![d0211e129c4a4a2b86dd60890a6f6864.png][]

方法二：复杂背景下的图像缺陷分析，基于频域增强的方法实现缺陷检测，运行截图：

![98cef023f96e41799bb6452cc883032d.png][]

方法三：复杂背景下的图像缺陷分析，基于空域增强实现图像缺陷分析，针对复杂背景的图像，通过空域滤波增强以后实现缺陷查找，运行截图如下：

![dc41f50cbe4a42458c319bf3664d0dad.png][]

方法四：基于样品模板比对实现基于空域增强实现图像缺陷分析，通过二之分析与轮廓比对实现缺陷查找，运行截图如下：

![b8b0a436d6d7429f9154d6966d33a9b7.png][]

方法五：基于深度学习UNet模型网络，实现裂纹与划痕检测，运行截图如下：

![daca7034ff044cedacc5807c7ff630c7.png][]

方法六：基于深度学习实例分割网络模型网络，实现细微缺陷检测，运行截图如下：

![51b1f11ab9fe479f8546443d227fcb06.png][]

[Link 1]: https://www.captainbed.cn/wxz
[d0211e129c4a4a2b86dd60890a6f6864.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/22/aee58f90ee2c4a55b60e424cd855ba2d.png
[98cef023f96e41799bb6452cc883032d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/22/c94c94b90e204d2780a1a70fea9902f9.png
[dc41f50cbe4a42458c319bf3664d0dad.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/22/5fa28f07b66042c9a5a913ca62e6a318.png
[b8b0a436d6d7429f9154d6966d33a9b7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/22/e58928e80808442e89fa55d8669634e9.png
[daca7034ff044cedacc5807c7ff630c7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/22/b7dde8b6d1694ff5a438e67df85087ab.png
[51b1f11ab9fe479f8546443d227fcb06.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/22/ebaab60ff9b44a0d9e913b0d6e7a84db.png