檢測對象：

方案設計：

  視覺方案

成像方案部分：

?？迪鄼C：MV-CA013-20GM               ?？电R頭：MVL-HF3528M-6MP

光源：MV-LLES-175-30-W            視場范圍：60 mm  *  40mm

工作距離：350mm                       光源距離：180mm

需求難點：

作為檢查對象，字符信息實時在變化，位置也不固定，有一定的波動，包裝個體之間的差異導致字符的背景也有明暗變化的情況，因此使用傳統(tǒng)的缺陷檢測算法很難實現(xiàn)

算法實現(xiàn)：

考慮到項目的難點，利用深度學習缺陷檢測的方式搭建算法方案，首先通過特征匹配和仿射變換定位字符位置，并將原圖裁剪成260*160大小的圖片。流程如下：

圖像預處理流程

                                                                                      原圖                                                  裁剪后的圖片

     通過圖像預處理，將原始圖像裁剪成260*160分辨率的小圖，一方面可以使得樣本的的背景更加簡單，較少干擾。同時，低分辨率的樣本可以較少算法對硬件的依賴。提升檢測效率。模型訓練時，選擇300張NG的樣本和300張OK的樣本，保證NG的樣本中包含所有缺陷的紋理。具體模型訓練的過程略。得到缺陷檢測的模型后，進行測試，測試的算法流程如下：

 缺陷檢測流程

       通過測試發(fā)現(xiàn)，OK的樣本和NG的樣本在概率圖的呈現(xiàn)形式上有明顯的差異，通過blob工具，開啟面積和閾值使能，過濾干擾項，達到字符缺陷檢測的效果。測試樣本集中，OK的樣本為800張，NG的樣本為400張，OK的全部識別正常，NG的誤識別為4張，綜合識別率為99.7%。

總結：

       在實際的應用環(huán)節(jié)發(fā)現(xiàn)，終端客戶對字符缺陷的需求要大于字符識別的需求，實際的噴碼過程中，噴碼錯誤的可能性非常低，往往會有設備異常導致的噴碼缺陷，這類缺陷是客戶需要剔除的，深度學習缺陷檢測技術剛好可以應對這類復雜的缺陷檢測需求。

       廣州艾韋迅科技是?？低暺煜碌暮？禉C器人HikRobot?？抵悄茏x碼器/工業(yè)相機經(jīng)銷商，供應?？祾呙铇孖D2000、ID3000、ID5000、ID6000等系列全部型號，海康威視讀碼器同時為 為電子、物流、FPD顯示屏、半導體、汽車制造等領域提供專業(yè)機器視覺解決方案，?？?a href="http://bigairport.cn/tiaoma_dutou/" target="_blank" >工業(yè)讀碼器助力用戶快速準確實現(xiàn)工業(yè)自動化。