《基于VisionBank AI深度学习视觉系统的轮毂缺陷检测.docx》由会员分享，可在线阅读，更多相关《基于VisionBank AI深度学习视觉系统的轮毂缺陷检测.docx（5页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、基于VisionBankAI深度学习视觉系统的轮毂缺陷检测轮毂外表缺陷检测是轮毂企业生产物流经过中的重要一环。通过市场的初步调研,此前主要通过人工检测进行缺陷肉眼检测和分拣等。而由于汽车轮毂构造复杂,人工检测的方法效率低、工作量大,此种检测方式越来越难以知足轮毂生产经过越来越高的快速、准确、稳定的要求。为了实现生产物流装备自动化与智能化,提升轮毂制造企业生产物流经过的效率,降低人工成本,针对上述情况,维视智造于2021年3月推出VisionBankAi深度学习视觉解决方案，相继针对性推出了基于深度学习的轮毂外表缺陷检测解决方案。1.轮毂生产线缺陷检测系统流程设计。本系统包含完好的轮毂在线缺陷检
2、测流程,包括图像收集、图像预处理、轮毂图像缺陷检测等等。2.建立轮毂外表缺陷数据库。详细流程是在生产线现场通过工业相机收集轮毂外表缺陷图像,之后进行数据清洗,并通过专业标注软件对缺陷图像进行标注,最终得到带有准确标注的缺陷图像数据库。3.识别模糊图像。采用消除模糊算法是基于深度学习的生成式对抗网络实现的,因而运算速度较慢,而收集的图像中只要一部分图像存在模糊现象,为了提高缺陷检测算法系统的效率,在进行消除图像模糊之前,设计算法识别模糊图像,如检测为模糊,则送入深度学习消除图像模糊网络。若识别为明晰图像,则直接进行轮毂图像缺陷检测。4.消除轮毂外表图像模糊现象。在对轮毂缺陷图像进行检测之前,需要对缺陷图像进行预处理已知足算法需求。由于本文提出的缺陷检测系统中图像收集阶段是轮毂在生产线上输送的同时进行的,所以收集的轮毂图像会存在运动模糊现象。针对这一问题,本位提出了深度对抗学习算法,在不需要准确运动信息的条件下消除运动模糊。5.轮毂图像缺陷检测。给出缺陷位置以及缺陷类型。