摘要：傳統(tǒng)的產(chǎn)品缺陷檢測系統(tǒng)存在過篩率偏高、誤判率較高、靈活性差、人力成本高等問題。為了解決這些問題，引入了一種基于人工智能（AI）和三維（3D）視覺技術(shù)的智能產(chǎn)品缺陷檢測系統(tǒng)，該系統(tǒng)利用3D攝像頭全方位采集產(chǎn)品表面圖像信息，然后使用深度學習算法進行圖像分析和處理，實現(xiàn)對產(chǎn)品表面缺陷的自動檢測和識別。該系統(tǒng)能夠自動進行產(chǎn)品缺陷檢測和識別，減少了人為因素的影響，從而可以有效提高產(chǎn)品缺陷檢測的準確性和效率。

關(guān)鍵詞：缺陷檢測人工智能3D視覺分類識別

DesignoftheIntelligentDetectionSystemofProductDefectsBasedonAIand3DVision

ZHENGYuhangSUNPengXIAChaohui

RocketForceUniversityofEngineering，Xi’an，ShaanxiProvince，710025China

Abstract：Thetraditionaldetectionsystemofproductdefectshasproblemssuchasthehighsievingrate，thehighmisjudgmentrate，poorflexibilityandhighlaborcosts.Inordertosolvetheseproblems，thisarticleintroducesanintelligentdetectionsystemofproductdefectsbasedonartificialintelligence（AI）andthree-dimensional（3D）visiontechnology.Thesystemutilizesa3Dcameratocollectproductsurfaceimageinformationinanall-roundway，andthenusesthedeeplearningalgorithmforimageanalysisandprocessing，soastoachievetheautomaticdetectionandrecognitionofproductsurfacedefects.Thissystemcanautomaticallydetectandidentifyproductdefects，reducingtheinfluenceofhumanfactors，soastoeffectivelyimprovetheaccuracyandefficiencyofproductdefectdetection.

KeyWords：Defectdetection;Artificialintelligence;3Dvision;Classificationrecognition

傳統(tǒng)的產(chǎn)品缺陷檢測方法主要依靠人工目視檢查，或由人工操作設(shè)備進行產(chǎn)品缺陷檢測，并判斷是否存在缺陷，這種方法存在較多問題。首先，人工檢查需要耗費大量的時間和人力成本，無法滿足大規(guī)模生產(chǎn)的需求。其次，由于人眼的主觀性和疲勞程度的影響，人工檢查容易出現(xiàn)誤判和漏檢的情況，導(dǎo)致產(chǎn)品質(zhì)量不穩(wěn)定。此外，對于一些復(fù)雜的產(chǎn)品結(jié)構(gòu)和微小的缺陷，人工檢查更加困難，甚至無法進行檢測[1]。

1傳統(tǒng)產(chǎn)品缺陷檢測系統(tǒng)的問題分析

1.1過篩率偏高，誤判率較高

傳統(tǒng)產(chǎn)品缺陷檢測系統(tǒng)一般是由人工操作設(shè)備進行產(chǎn)品檢測，這些設(shè)備內(nèi)部運行的是沒有學習功能的傳統(tǒng)算法，由于傳統(tǒng)算法可能無法準確地識別出產(chǎn)品中的缺陷，所以容易出現(xiàn)過篩率偏高[2]。另一方面，由于傳統(tǒng)算法無法根據(jù)實際檢測結(jié)果進行自我調(diào)整，它可能對某些特定類型的缺陷具有較高的誤判率，這意味著一些實際上有缺陷的產(chǎn)品可能會被錯誤地判定為合格，從而降低了產(chǎn)品質(zhì)量和客戶滿意度。

1.2系統(tǒng)上線時間長，靈活度不夠

傳統(tǒng)產(chǎn)品缺陷檢測設(shè)備需要控制環(huán)境、光源及拍攝角度等細節(jié)，量測目標特征也要相當明確，才能發(fā)揮機器篩檢的質(zhì)量，一旦檢測新設(shè)計或新產(chǎn)品時，自動檢測流程需要重新設(shè)置，相對耗費成本，因此傳統(tǒng)產(chǎn)品缺陷檢測系統(tǒng)在每一次上線時要不斷調(diào)整設(shè)定，無法彈性調(diào)整生產(chǎn)內(nèi)容，難以滿足彈性化、客制化生產(chǎn)需求。此外，傳統(tǒng)的產(chǎn)品缺陷檢測系統(tǒng)只能以設(shè)定好的參數(shù)標準進行判斷，須先行定義瑕疵樣本，再通過樣本進行篩檢，整體來看靈活度較差。

1.3人工成本較高，效率較低

目前，雖然產(chǎn)品缺陷檢測過程可以通過物聯(lián)網(wǎng)技術(shù)和數(shù)字系統(tǒng)軟件工具達到搜集數(shù)據(jù)、實時人機協(xié)作等目的，但主要的檢測進料、檢驗、成品組裝、入庫、出貨檢驗等流程仍需要人力目視，導(dǎo)致人工成本較高，效率較低。而且，人工檢測常因個人經(jīng)驗的良莠不齊（如手感差異、標準不一）導(dǎo)致質(zhì)量與產(chǎn)量不均，長時間用眼容易疲勞，很難維持長期的標準化和數(shù)據(jù)化統(tǒng)一，容易影響產(chǎn)能輸出。此外，以人工記錄生產(chǎn)產(chǎn)量、檢驗狀況也容易產(chǎn)生疏漏及信息延遲等現(xiàn)象，增加客訴率、質(zhì)量不良率與成本耗損率。在遇到問題時，還需要額外花費時間進行二次人工篩檢分類，無形中提高了人工成本支出[3]。

2基于AI和3D視覺的智能產(chǎn)品缺陷檢測系統(tǒng)

2.1智能產(chǎn)品缺陷檢測系統(tǒng)硬件設(shè)計

智能產(chǎn)品缺陷檢測系統(tǒng)的硬件部分最主要的功能是產(chǎn)品3D圖像采集，以及提供AI算法運行所需的計算平臺，主要由3D攝像頭、GPU平臺、CPU和顯示系統(tǒng)組成，如圖1所示。

2.1.13D攝像頭

用于采集產(chǎn)品表面的三維圖像。通過使用3D攝像頭，可以獲取到e0577d861ce20545f3f33c72bf6390b9d772f57a1e9bda5a713bb92b008422e6產(chǎn)品的立體信息，包括形狀、尺寸和表面特征等。常用的3D攝像頭有結(jié)構(gòu)光攝像頭、雙目攝像頭和TOF（TimeofFlight）攝像頭等，由于3D圖像數(shù)據(jù)量較大，所以3D攝像頭采集到的圖像數(shù)據(jù)通過USB、PCIE等高速接口傳輸給GPU平臺進行計算。

2.1.2GPU平臺

用于運行AI算法。深度學習模型通常需要大量的計算資源來進行訓練和推理，而GPU具有強大的并行計算能力，能夠加速深度學習算法的執(zhí)行速度[4]。因此，在智能產(chǎn)品缺陷檢測系統(tǒng)中，通常會使用高性能的GPU平臺來支持AI算法的運行。

2.1.3CPU

作為主控單元，負責整個系統(tǒng)的控制和管理。CPU負責協(xié)調(diào)各個硬件模塊的工作，處理輸入輸出數(shù)據(jù)，以及運行其他必要的軟件程序。同時，CPU還可以與用戶進行交互，提供人機界面和操作接口，由于系統(tǒng)控制過程對于信息傳輸?shù)膶崟r性要求較低，所以CPU和其他子模塊之間的交互通過串口、SPI等低速通信接口進行即可。

2.1.4顯示系統(tǒng)

顯示系統(tǒng)通過顯示屏可以將檢測到缺陷的產(chǎn)品實時顯示出來，便于查看。

2.2智能產(chǎn)品缺陷檢測系統(tǒng)軟件設(shè)計

智能產(chǎn)品缺陷檢測系統(tǒng)的軟件部分主要負責圖像的處理，分析和檢測功能，主要由預(yù)處理模塊、特征提取和深度學習網(wǎng)絡(luò)組成，如圖2所示。

其中，圖像數(shù)據(jù)預(yù)處理階段，系統(tǒng)會對原始圖像進行一系列的處理操作，以便于后續(xù)的特征提取和分析。常見的圖像預(yù)處理方法包括去噪、增強、二值化、灰度化等。這些操作可以改善圖像質(zhì)量，減少噪聲干擾，并突出目標特征，從而提高后續(xù)檢測結(jié)果的準確性和魯棒性。

2.3智能產(chǎn)品缺陷檢測系統(tǒng)的實施

智能產(chǎn)品缺陷檢測系統(tǒng)在使用前需要經(jīng)過大量的樣本數(shù)據(jù)對深度學習網(wǎng)絡(luò)進行訓練。因此，智能產(chǎn)品缺陷檢測系統(tǒng)的實施可以大致概括為以下幾步。

（1）準備階段，樣本采集。目標缺陷都分布在目標樣本中，此時需要采集大量的樣本3D圖像，而且采集樣本時需要保持樣本的位姿相同，一般在采集的同時通過圖像定位，使樣本保持在同樣的位姿；（2）準備階段，準備訓練樣本數(shù)據(jù)集。將采集的樣本導(dǎo)入工具軟件進行標注劃分，得到訓練樣本數(shù)據(jù)集，該過程一般通過批處理軟件完成，而不需要人工手動標注；（3）準備階段，導(dǎo)入訓練模型結(jié)果到運行軟件。將第二步中準備好的訓練樣本數(shù)據(jù)集輸入深度學習網(wǎng)絡(luò)就可以進行模型訓練，并通過顯示系統(tǒng)和可視化軟件可以得到可視化的訓練結(jié)果，在訓練完成之后，就可以將訓練好的深度學習網(wǎng)絡(luò)導(dǎo)入目標運行軟件，以待在實際的產(chǎn)品缺陷檢測過程中使用；（4）運行階段，實現(xiàn)目標定位。目標定位就是需要定位到進行檢測分析的地方，傳統(tǒng)的方式主要包括找圓，找方，模板匹配等，通常使用模板匹配進行精確定位；（5）運行階段，調(diào)用深度學習模型。目標定位成功之后，將該目標直接應(yīng)用深度學習模型即可得到結(jié)果。

3智能產(chǎn)品缺陷檢測系統(tǒng)的優(yōu)勢

3.1缺陷檢測結(jié)果準確，檢測效率高

基于AI和3D視覺的智能產(chǎn)品缺陷檢測系統(tǒng)通過運用深度學習算法進行快速的特征提取和分析，實現(xiàn)了對產(chǎn)品質(zhì)量的高效監(jiān)控。該系統(tǒng)利用深度學習算法對大量的產(chǎn)品圖像數(shù)據(jù)進行訓練，自動學習并提取出關(guān)鍵的特征信息。這些特征信息包括產(chǎn)品的尺寸、形狀、顏色等，能夠準確地描述產(chǎn)品的各種屬性。通過對這些特征信息的快速提取，系統(tǒng)能夠迅速識別出產(chǎn)品中存在的缺陷，從而實現(xiàn)了對產(chǎn)品質(zhì)量的高效監(jiān)控。其次，基于3D視覺技術(shù)，該系統(tǒng)能夠?qū)Ξa(chǎn)品進行全面的立體掃描，獲取到更為精確的三維模型。與傳統(tǒng)的二維圖像檢測方法相比，3D視覺技術(shù)能夠更好地捕捉到產(chǎn)品的細節(jié)信息，從而提高了檢測的準確性[6]。

3.2自動化的缺陷檢測流程

傳統(tǒng)的缺陷檢測過程需要人工干預(yù)，包括圖像采集、處理，人力目視判斷等步驟。相比之下，基于AI和3D視覺的智能產(chǎn)品缺陷檢測系統(tǒng)能夠自動完成這些步驟，能夠通過高精度的傳感器和先進的圖像采集技術(shù)，自動獲取產(chǎn)品的高質(zhì)量圖像，并自動進行圖像處理，提取出關(guān)鍵的特征信息，從而實現(xiàn)對缺陷的快速準確識別。因此，基于AI和3D視覺的智能產(chǎn)品缺陷檢測系統(tǒng)減少了對人工操作的需求，節(jié)省了時間和人力成本，還提高了檢測的準確性和一致性。

3.3可擴展性和適應(yīng)性強

基于AI和3D視覺的智能產(chǎn)品缺陷檢測系統(tǒng)具有出色的可擴展性和適應(yīng)性。這種系統(tǒng)能夠根據(jù)不同類型的產(chǎn)品以及各種缺陷的特點，進行模型的訓練和調(diào)整，以適應(yīng)各種不同的生產(chǎn)環(huán)境和需求。首先，該系統(tǒng)的可擴展性表現(xiàn)在它能夠處理各種類型的產(chǎn)品。無論是電子設(shè)備、機械設(shè)備，還是消費品，該系統(tǒng)都能夠進行有效的缺陷檢測。其次，該系統(tǒng)的適應(yīng)性體現(xiàn)在不同的生產(chǎn)環(huán)境中，產(chǎn)品可能存在不同的缺陷類型和特點。該系統(tǒng)能夠根據(jù)這些不同的環(huán)境和需求，進行模型的訓練和調(diào)整，以提高檢測的準確性和效率。此外，該系統(tǒng)通過不斷學習和優(yōu)化，能夠提高自身的性能和準確率。隨著使用時間的增長，該系統(tǒng)會積累大量的數(shù)據(jù)和經(jīng)驗，能夠不斷優(yōu)化自身的模型和算法，提高檢測的準確性和效率。同時，該系統(tǒng)還能夠自動識別和糾正可能的誤判和漏檢情況，進一步提高檢測的可靠性[6]。

4結(jié)語

本文通過AI和3D視覺技術(shù)提出了一種基于AI和3D視覺的智能產(chǎn)品缺陷檢測系統(tǒng)，該系統(tǒng)在硬件上由3D攝像頭、GPU平臺、CPU和顯示系統(tǒng)組成，在軟件上由預(yù)處理模塊、特征提取和深度學習網(wǎng)絡(luò)組成，通過采集數(shù)據(jù)、標注數(shù)據(jù)可以得到訓練深度學習網(wǎng)絡(luò)的樣本數(shù)據(jù)集，通過訓練深度學習網(wǎng)絡(luò)可以得到一個能夠自動識別產(chǎn)品缺陷的軟件算法，將其部署在GPU平臺上投入使用就可以實現(xiàn)產(chǎn)品缺陷的自動化檢測。相較于傳統(tǒng)產(chǎn)品缺陷檢測系統(tǒng)，基于AI和3D視覺的智能產(chǎn)品缺陷檢測系統(tǒng)具有缺陷檢測結(jié)果準確、檢測效率高、檢測過程自動化、可擴展性和適應(yīng)性強、實時監(jiān)測和反饋等優(yōu)勢，在工業(yè)生產(chǎn)中具有廣泛的應(yīng)用前景。

參考文獻

[1]郭雙雙，張昊，葛曉峰，等.基于視頻AI算法的智能集裝箱缺陷檢測系統(tǒng)[yOKvo4wUSGhkl+0dYA0EaQ==J].港口科技，2022（6）：21-22，42.

[2]王志強，劉冬冬.基于輪廓度量與AI模型的工業(yè)缺陷檢測算法研究[J].齊齊哈爾大學學報：自然科學版，2023，39（2）：6-10.

[3]周子天.基于視覺技術(shù)的3D物體表面信息識別檢測系統(tǒng)[J].通訊世界，2019，26（12）：18-19.

[4]柴利，任磊，顧錁，等.基于視覺感知的表面缺陷智能檢測理論及工業(yè)應(yīng)用[J].計算機集成制造系統(tǒng)，2022，28（7）：1996-2004.

[5]肖蘇華，王志勇，張順鈞，等.基于機器視覺的激光打標智能缺陷檢測系統(tǒng)[J].無損檢測，2021，43（7）：79-82.

[6]肖蘇華，喬明娟，賴南英，等.基于3D視覺的風電塔筒焊縫檢測系統(tǒng)設(shè)計[J].電子測量與儀器學報，2022，36（2）：122-130.