基于深度學習玻璃表面缺陷檢測

玻璃是我們日常生活中常見的物品，隨著新能源汽車需求量的不斷增大，汽車顯示屏的需求也與日俱增。隨著消費升級，越來越多的企業對玻璃質量也更加的看重。受到生產環境或工藝的影響，玻璃在生產過程中表面很容易出現晶點、劃傷、臟污、雜質等類型外觀缺陷，嚴重影響玻璃質量，致使客戶投訴率升高，給企業帶來損失。

因此，實現對汽車玻璃的各類點狀、線狀等外觀缺陷的全自動智能化檢測，可以解決玻璃生產工藝中檢測環節人工成本高、檢測難度大、良品率不穩定等問題，這樣不僅能夠有效提高產品品質和產能，幫助客戶提高出貨量，節約成本，同時利用多維度分析缺陷數據，找出各段工藝暴露的問題，幫助客戶優化工藝，逐步提升產品良率。

案例需求

汽車顯示屏電子玻璃在線全方位外觀檢測。

檢測面包含正面、反面與邊緣，玻璃最大尺寸達1000mm，最小缺陷30um，缺陷涵蓋劃傷、臟污、凹坑、油墨、缺損等十余種缺陷類型。

檢測難點

1、部分缺陷尺寸較小，種類較多，且在正反兩面隨機分布；

2、產品的尺寸大，且檢測精度要求高；

3、部分缺陷邊緣特征模糊不易精確定量；

解決方案

該AOI設備采用高分辨率工業相機與鏡頭，多通道明暗場定制光源方案進行缺陷圖像采集。

分別對玻璃的正反面進行成像，圖像經過訓練端生成深度學習網絡模型，模型與傳統機器視覺算法融合部署進行缺陷識別，實現不同種類型玻璃的15種表面缺陷檢測，最快檢測節拍達1s/片，檢測準確率達99%，大大提高了后道工序良率。經過全面、系統、嚴格的測試，目前已經在電子玻璃頭部企業并線生產使用！

檢測流程 

1、觸發拍照

     產品隨機構移動

     多工位采圖

2、PC處理

     缺陷區域提取

     缺陷分類

3、結果輸出

     OK/NG信號獨立輸出

     各缺陷數據保存

4、執行機構

     瑕疵品剔除

     合格品回收