輪轂表面缺陷檢測是輪轂企業生產物流過程中的重要一環。通過市場的初步調研 , 此前主要通過人工檢測進行缺陷肉眼檢測和分揀等。而由于汽車輪轂結構復雜,人工檢測的方法效率低、工作量大,此種檢測方式越來越難以滿足輪轂生產過程越來越高的快速、準確、穩定的要求。

為了實現生產物流裝備自動化與智能化,提升輪轂制造 企業生產物流過程的效率,降低人工成本,針對上述情況 ,維視智造于2021年3月推出VisionBank Ai深度學習視覺解決方案，相繼針對性推出了基于深度學習的輪轂表面缺陷檢測解決方案。

1.輪轂生產線缺陷檢測系統流程設計。本系統包含完整的輪轂在線缺陷檢測流程,包括圖像采集、圖像預處理、輪轂圖像缺陷檢測等等。

2.建立輪轂表面缺陷數據庫。

具體流程是在生產線現場通過工業相機采集輪轂表面缺陷圖像,之后進行數據清洗,并通過專業標注軟件對缺陷圖像進行標注, 最終得到帶有精確標注的缺陷圖像數據庫。

3.識別模糊圖像。

采用消除模糊算法是基于深度學習的生成式對抗網絡實現的, 因此運算速度較慢,而采集的圖像中只有一部分圖像存在模糊現象,為了提高缺陷檢測算法系統的效率,在進行消除圖像模糊之前,設計算法識別模糊圖像 , 如檢測為模糊,則送入深度學習消除圖像模糊網絡。

若識別為清晰圖像,則直接進行輪轂圖像缺陷檢測。

4. 消除輪轂表面圖像模糊現象。

在對輪轂缺陷圖像進行檢測之前,需要對缺陷圖像進行預處理已滿足算法需求。由于本文提出的缺陷檢測系統中圖像采集階段是輪轂在生產線上輸送的同時進行的, 所以采集的輪轂圖像會存在運動模糊現象。 針對這一問題,本位提出了深度對抗學習算法,在不需要準確運動信息的條件下消除運動模糊。

5.輪轂圖像缺陷檢測。

給出缺陷位置以及缺陷類型。