科研概述

工业产品,尤其是轴承、螺丝、手机壳等日常生活中的易耗品,有着极大的消费需求。然而在整个生产过程中,由于运输、生产工艺、意外等原因,工业产品的表面上常常存在各种缺陷(例如磕伤、划伤、擦伤、异色不均等)。目前对工业产品的缺陷检测仍依赖人工完成,人工目视检测不仅效率低下,而且检测标准主观因素大,这严重制约工业制造的自动化进程。近年来,基于机器视觉的自动化缺陷检测方法被广大研究者关注,但现阶段已有缺陷检测算法既不能完全适应各种各样的缺陷类型,也不能避免成像不良或其他因素带来的误识别影响,更不具有普适性。因此目前为止,仍没有一套通用的工业产品表面缺陷检测技术。
本课题组提出了一套针对工业产品表面极小、极不规律缺陷的通用视觉识别方案,创新的提出了基于残差结构、图像与特征双重多层金字塔及上下文联想的学习与检测方法。我们已将该方法成功应用到手机外壳缺陷检测和汽车气缸缺陷检测中去,并辅以光源设计、用户界面设计,实现了小尺寸缺陷的检测,其精度可达到0.1mm,且能够满足实际生产的实时性(10fps)要求。

视频集锦


版权所有©同济大学机器人与人工智能实验室
地址:上海市嘉定区曹安公路4800号 同济大学 智信馆 邮编:20180