應用背景
工件表面質量的嚴格檢驗一直以來都是工件生產過程中不可或缺的一個環節，在實際生產過程中，表面缺陷檢測仍多借助于傳統人工目視檢測方法，但是該方法存在檢測率低，成本高和速度慢等缺點。因此，為了獲得良好表面質量的工件產品，需要對表面缺陷進行高效、高精度的檢測和識別。近幾年來，計算機技術的迅速發展使得深度學習在工業檢測上的應用越來越多，企業希望通過該技術，對自動化產線上的工件產品進行質量檢測，并且逐漸替代人工目視檢測。為滿足工件表面質量檢測的需求，開發了基于深度學習的工件表面缺陷檢測系統。
項目難點
由于鋼板零件鉚接是一次次沖壓實現的，沖壓頭不可避免地會存在遲鈍的情況、方向位置也可能出現不同程度歪斜，導致缺陷的樣式千變萬化。
1.檢測目標小，在人工目測過程中，受主觀影響，一些較淺的接印也算作合格。
2.各合格鉚接圖不完全相同，普通視覺檢測識別不靈活，容易產生誤判。
需要解決的問題
在鋼板的鉚接加工環節中，生產工藝特別精細，需要幾臺機器協同操作，其中一個重要環節就是利用高清攝像頭捕獲圖像并對其進行缺陷檢測。
銑床加工的金屬表面存在缺陷區域與背景分離不明顯的特點，傳統缺陷檢測算法存在局限性。因此，提出了應用于工件表面缺陷檢測的算法來有效的實現缺陷檢測。其次，在檢測鍍鋅鋼板零件鉚接是否存在缺陷之后，為了便于后續的加工處理，需要對缺陷類型進行分類標注。
不良類別
鉚壞 鉚接印
未鉚死 漏鉚
解決方案
使用FOXKPC工業平板電腦，搭配工業相機、工業鏡頭、IO控制盒以及FOXKPC深度學習檢測軟件對工件表面進行缺陷檢測。系統通過圖像采集裝置對工件表面進行圖像捕獲，經由捕獲終端預處理后，上傳至處理計算機。處理計算機將對識別到的圖像進行識別，并把檢測結果發布到顯示終端，使得工件表面的狀態得到直觀展示。
合格接印圖
FOXKPC深度學習檢測軟件
產品優勢
1. 產品檢測效率高，適應性強。
2. 實現檢測狀態實時采集，數據可靠傳輸。
3. 對產品表面缺陷進行準確、快速地識別。