導(dǎo)讀

在彩涂鋼板的卷對(duì)卷生產(chǎn)過(guò)程中應(yīng)用友思特Neuro-T深度學(xué)習(xí)視覺(jué)系統(tǒng)，檢測(cè)諸如凹痕和劃痕等關(guān)鍵表面缺陷。這一舉措克服了傳統(tǒng)基于規(guī)則的系統(tǒng)的局限性，顯著提高了檢測(cè)效率和準(zhǔn)確性。

1. 現(xiàn)場(chǎng)情況

彩涂鋼板是在基礎(chǔ)鋼板（如冷軋鋼或鍍鋅鋼）上涂覆彩色涂層制成的產(chǎn)品。它們主要用于對(duì)表面質(zhì)量要求極高的領(lǐng)域，如建筑內(nèi)外裝飾材料和電器外殼。表面質(zhì)量，包括顏色、光澤和紋理，是決定最終產(chǎn)品外觀效果的關(guān)鍵因素?？蛻粲绕湟蟀宀臐M足特定的粗糙度標(biāo)準(zhǔn)和視覺(jué)均勻度。因此，對(duì)整個(gè)表面狀況進(jìn)行精確檢測(cè)至關(guān)重要。

彩涂鋼板是通過(guò)對(duì)長(zhǎng)達(dá)數(shù)百米的鋼帶進(jìn)行連續(xù)涂覆和固化生產(chǎn)出來(lái)的。經(jīng)過(guò)這些工序后，鋼板會(huì)被重新卷成鋼卷。這種生產(chǎn)方式被稱(chēng)為卷對(duì)卷工藝，而完成涂覆和固化并將產(chǎn)品卷繞起來(lái)的最后階段則被稱(chēng)為卷取工藝。由于這一階段是產(chǎn)品發(fā)貨前的最后環(huán)節(jié)，且產(chǎn)品表面完全暴露在外，因此確保質(zhì)量檢測(cè)的準(zhǔn)確性和可靠性至關(guān)重要。

A公司共有八條彩涂鋼板生產(chǎn)線（彩涂線），均采用卷對(duì)卷生產(chǎn)線配置，可實(shí)現(xiàn)連續(xù)生產(chǎn)。

鑒于彩涂鋼板的表面積大且長(zhǎng)度長(zhǎng)（可達(dá)數(shù)百米），A公司安裝了監(jiān)控?cái)z像頭，其位置設(shè)置為能夠捕捉鋼板的整個(gè)表面。這些攝像頭安裝在生產(chǎn)車(chē)間的天花板高處。錄制的視頻會(huì)傳輸?shù)綑z測(cè)室，操作人員根據(jù)視頻進(jìn)行目視檢測(cè)。

2. 存在的問(wèn)題

基于規(guī)則的系統(tǒng)的局限性及對(duì)人工檢測(cè)的依賴

基于規(guī)則的檢測(cè)系統(tǒng)廣泛應(yīng)用于一般鋼板檢測(cè)。然而，對(duì)于彩涂鋼板而言，其表面圖案和顏色豐富多樣且復(fù)雜，導(dǎo)致出現(xiàn)的缺陷不規(guī)則，難以用固定規(guī)則進(jìn)行檢測(cè)。

因此，A公司依靠人工目視檢測(cè)，操作人員在檢測(cè)室查看閉路電視視頻以識(shí)別任何缺陷。

然而，這種方法既耗時(shí)又費(fèi)力，而且漏檢和誤檢情況頻繁發(fā)生。此外，諸如凹痕、劃痕和黑點(diǎn)等關(guān)鍵缺陷通常非常小，從監(jiān)控?cái)z像頭圖像中幾乎只能檢測(cè)到較大的缺陷。

3. 解決方案

為克服傳統(tǒng)基于規(guī)則和人工檢測(cè)方法的局限性，A公司選擇友思特Neuro-T深度學(xué)習(xí)平臺(tái)，實(shí)施了基于深度學(xué)習(xí)的視覺(jué)檢測(cè)系統(tǒng)，旨在建立一個(gè)更精確、自動(dòng)化的檢測(cè)體系。

檢測(cè)點(diǎn)選擇：卷取前階段

檢測(cè)在涂覆和固化步驟完成后、卷取工藝即將開(kāi)始前進(jìn)行。在這個(gè)階段，彩涂鋼板的表面質(zhì)量已最終確定，是進(jìn)行高精度檢測(cè)的最佳時(shí)機(jī)。

硬件設(shè)置：安裝兩臺(tái)線掃相機(jī)

為覆蓋彩涂鋼板的整個(gè)寬度，在生產(chǎn)線寬度方向上安裝了兩臺(tái)線掃描相機(jī)。鋼板被劃分為三個(gè)區(qū)域 — 左側(cè)、中間和右側(cè)，使系統(tǒng)能夠準(zhǔn)確追蹤所檢測(cè)到的任何缺陷的橫向位置。

軟件設(shè)置：兩階段深度學(xué)習(xí)模型

- 結(jié)合異常檢測(cè)的圖像預(yù)處理：

一卷彩涂鋼板可能長(zhǎng)達(dá)數(shù)百米，會(huì)產(chǎn)生大量的圖像數(shù)據(jù)。為有效處理這些數(shù)據(jù)，采用了一個(gè)異常檢測(cè)模型作為預(yù)處理過(guò)濾器，僅篩選出包含潛在缺陷的片段，大大減少了需要人工檢查的圖像數(shù)量。

- 使用分類(lèi)模型進(jìn)行缺陷檢測(cè)：

對(duì)于異常檢測(cè)模型標(biāo)記出的圖像，人工操作員會(huì)核實(shí)是否真的存在缺陷，并按類(lèi)型（如凹痕、劃痕、黑點(diǎn)等）對(duì)其進(jìn)行標(biāo)注。利用這個(gè)標(biāo)注好的數(shù)據(jù)集，再對(duì)檢測(cè)模型進(jìn)行訓(xùn)練，使其能夠自動(dòng)識(shí)別特定的缺陷類(lèi)型。

這個(gè)工作流程 ：先用異常檢測(cè)模型進(jìn)行初步篩選 → 人工核實(shí)并標(biāo)注實(shí)際缺陷 → 訓(xùn)練分類(lèi)模型 — 實(shí)現(xiàn)了高效的數(shù)據(jù)標(biāo)注，并開(kāi)發(fā)出了高精度的檢測(cè)模型。

4. 成果與效益

在實(shí)施基于友思特Neuro-T深度學(xué)習(xí)平臺(tái)的視覺(jué)檢測(cè)系統(tǒng)后，A公司在檢測(cè)精度和效率方面都取得了顯著提升。

漏檢率（如在人工目視檢測(cè)中經(jīng)常被漏檢的小凹痕或黑點(diǎn)）降低了一半以上。異常檢測(cè)模型能夠自動(dòng)從整個(gè)數(shù)據(jù)集中過(guò)濾掉超過(guò)90%的正常圖像，使操作員只需關(guān)注一小部分有缺陷的圖像。這不僅提高了檢測(cè)速度，還提升了操作員的專(zhuān)注度。

因此，僅需極少的人力就能實(shí)現(xiàn)全天候的全面檢測(cè)，同時(shí)系統(tǒng)還能自動(dòng)記錄每個(gè)缺陷的位置和類(lèi)型。這加強(qiáng)了質(zhì)量記錄管理，并便于進(jìn)行生產(chǎn)后的分析。總體而言，與之前基于閉路電視的人工檢測(cè)相比，A公司的檢測(cè)效率提高了約三倍，檢測(cè)準(zhǔn)確率達(dá)到了98%以上。

5. 項(xiàng)目主要圖片

使用深度學(xué)習(xí)模型對(duì)彩涂鋼板進(jìn)行缺陷測(cè)的圖像

Neuro-T：零代碼自動(dòng)深度學(xué)習(xí)訓(xùn)練平臺(tái)

友思特 Neuro-T是一個(gè)用于深度學(xué)習(xí)視覺(jué)檢測(cè)項(xiàng)目的一體化平臺(tái)，可用于 項(xiàng)目規(guī)劃→圖像預(yù)處理→圖像標(biāo)注→模型訓(xùn)練→模型評(píng)估 一系列任務(wù)。Neuro-T提供了便捷的工具和友好的圖形化界面，只需四個(gè)步驟即可創(chuàng)建一個(gè)深度學(xué)習(xí)模型。

審核編輯 黃宇