深度學習工業質檢系列：表面缺陷檢測的現狀
來源：網絡2023年11月09日熱度：1
作為生產制造過程中必不可少的一步，表面缺陷檢測廣泛應用于各工業領域，包括3C、半導體及電子、汽車、化工、醫藥、輕工、軍工等行業，催生了眾多上下游企業。自20世紀開始，表面缺陷檢測大致經歷了三個階段，分別是人工目視法檢測、單一機電或光學技術檢測以及機器視覺檢測。
人工目視法起源最早，應用最廣，雖然人工智能及機器視覺等先進檢測技術逐漸成熟，但依靠肉眼進行缺陷檢測仍然占據較大的比重，并廣泛存在于中小企業中。據統計，當前80%以上的工業表面缺陷檢測仍依賴于人工檢測法，每天產品線上進行人工檢測的工人數量超350萬人。以富士康，伯恩光學等為代表的制造企業招聘大量的質檢工人，采取流水線的形式進行檢測。然而，隨著人口紅利的消失，以及工作枯燥、自由度低、薪酬較少，愿意從事質檢的越來越少，用工難問題愈發凸顯。
從當前的發展趨勢來看，機器視覺等先進檢測系統將逐漸取代人工，這主要是因為人工檢測法具有以下缺點：
勞動強度大、檢測穩定性及一致性
人工檢測法需要工人處于固定工位上，用肉眼觀察產品來判斷有無缺陷。長時間的檢測工作容易對人眼造成傷害，特別是在檢測玻璃、金屬等強烈反光的物體表面時。冶金、軌道交通、機械制造等行業內的缺陷檢測場景噪聲大、煙塵重、危險性高，長期處于惡劣的工作環境對工人的身心健康造成惡劣影響。工人的情緒浮動、技術水平、判斷標準、個體差異等因素影響，甚至無法保障同一批次產品的檢測穩定性和一致性，使得產品質量上下浮動，參差不齊。
自動化程度低、生產效率低
由于工人的質檢效率上限較低，同時人工成本又越來越高，企業為保障生產效率，一般采取抽樣檢測的策略。一批產品中隨機抽取少量產品來評估整批產品的質量，其嚴格程度遠遠低于全面檢測。因此人工進行缺陷檢測時容易陷入一種矛盾：質量控制和生產效率二者不可兼得。這種矛盾在面料、帶鋼、薄膜等產品的表面缺陷檢測中尤為突出。這一類產品多為高速連續性生產，當生產速度高于3m/s時，人眼便難以分辨出其中的缺陷。
招工難、用工難、培訓難、成本高
工作待遇低、工作時間長、勞動強度大等因此直接影響了招工的穩定性。越來越多年輕人寧愿去送外賣也不愿進入工廠工作，使得缺陷檢測這種傳統的勞動密集型崗位很難招聘到工人，培訓后的熟練工又存在人才流失嚴重等問題。人口紅利消失的趨勢不可逆轉，用人成本不斷攀升，上線自動化缺陷檢測系統已從“可選”轉向“必選”。
為了在不斷變化和競爭愈發激烈的市場中占據優勢，企業既要不斷提高產品質量標準以滿足客戶需求，又要不斷提升生產線的效率以適應市場的快節奏。采用自動化、智能化的表面缺陷檢測方法是兼顧質量與效率的重要手段。實現自動化的表面缺陷檢測系統存在以下技術難點：
缺陷本身帶來的技術難點
不同缺陷的種類復雜以及同類缺陷的差異較大，給檢測帶來了較大的難度。
不同缺陷的種類復雜主要體現在三個方面。首先，類兼差異大，工業品的外觀缺陷復雜多樣，不同類別的缺陷之間形態特征可能差異極大，這種差異導致檢測算法的普適性不強，許多缺陷需單獨開發檢測算法，開發復雜度極高。其次，類間模糊性大，類間模糊是類間差異大的另一極端，即不同類別的缺陷的表觀特征具有一定的相似性，難以區分缺陷的種類，也就無法準確判斷缺陷產生的原因，無法給產品準確定級。第三，背景復雜，在生產場景中難以將缺陷和背景完全分離，缺陷特征不明顯。
如圖下圖的帶鋼表面缺陷所示，同類缺陷的差異較大是指針對同一類別的缺陷而言，通常由于生產過程中光照條件、生產批次不同、設備狀態等因素的影響，同類缺陷的大小、對比度和灰度值等表觀特征呈現較大的變化，缺陷特征并不服從同一分布。
檢測系統帶來的技術難點
表面缺陷檢測系統一般由機械運動、電氣控制、視覺等各式傳感器組成，且系統傾向于定制化，難以跨領域批量復制。在設計檢測系統時，設計者除了要了解檢測系統本身以外，還需充分熟悉被檢測產品的特性以及產品的加工工藝，在此前提下才能夠提出可行、可靠的實施方案。
系統最終的檢測效果可能受到系統每一個環節的影響。以基于機器視覺技術的檢測系統為例，工件位置的一致性、打光的穩定性、相機及鏡頭的匹配度、檢測算法的有效性等都會直接影響圖像采集的質量和檢測系統的應用性能，這需要機器、電氣、視覺、傳感等多套系統的配合。僅最基礎的打光就存在諸多難點，如哪些場景需要漫射光、散射光、直接照射、低角度照射或背光照射，如何在球面、弧面、內腔等不可展曲面的打光等等。
同時，高溫、高濕、粉塵等復雜惡劣外部環境也為檢測系統的集成和防護能力提出了較高的技術要求。系統開發企業需研究表面缺陷檢測設備的系統集成技術，探索克服現場環境高溫、高濕的數據采集系統和具有抗外部干擾的系統防護技術 。
下一條： 鋰電機器視覺檢測新風口
