深度学习工业质检系列：表面缺陷检测的现状
来源：网络2023年11月09日热度：1
作为生产制造过程中必不可少的一步，表面缺陷检测广泛应用于各工业领域，包括3C、半导体及电子、汽车、化工、医药、轻工、军工等行业，催生了众多上下游企业。自20世纪开始，表面缺陷检测大致经历了三个阶段，分别是人工目视法检测、单一机电或光学技术检测以及机器视觉检测。
人工目视法起源最早，应用最广，虽然人工智能及机器视觉等先进检测技术逐渐成熟，但依靠肉眼进行缺陷检测仍然占据较大的比重，并广泛存在于中小企业中。据统计，当前80%以上的工业表面缺陷检测仍依赖于人工检测法，每天产品线上进行人工检测的工人数量超350万人。以富士康，伯恩光学等为代表的制造企业招聘大量的质检工人，采取流水线的形式进行检测。然而，随着人口红利的消失，以及工作枯燥、自由度低、薪酬较少，愿意从事质检的越来越少，用工难问题愈发凸显。
从当前的发展趋势来看，机器视觉等先进检测系统将逐渐取代人工，这主要是因为人工检测法具有以下缺点：
劳动强度大、检测稳定性及一致性
人工检测法需要工人处于固定工位上，用肉眼观察产品来判断有无缺陷。长时间的检测工作容易对人眼造成伤害，特别是在检测玻璃、金属等强烈反光的物体表面时。冶金、轨道交通、机械制造等行业内的缺陷检测场景噪声大、烟尘重、危险性高，长期处于恶劣的工作环境对工人的身心健康造成恶劣影响。工人的情绪浮动、技术水平、判断标准、个体差异等因素影响，甚至无法保障同一批次产品的检测稳定性和一致性，使得产品质量上下浮动，参差不齐。
自动化程度低、生产效率低
由于工人的质检效率上限较低，同时人工成本又越来越高，企业为保障生产效率，一般采取抽样检测的策略。一批产品中随机抽取少量产品来评估整批产品的质量，其严格程度远远低于全面检测。因此人工进行缺陷检测时容易陷入一种矛盾：质量控制和生产效率二者不可兼得。这种矛盾在面料、带钢、薄膜等产品的表面缺陷检测中尤为突出。这一类产品多为高速连续性生产，当生产速度高于3m/s时，人眼便难以分辨出其中的缺陷。
招工难、用工难、培训难、成本高
工作待遇低、工作时间长、劳动强度大等因此直接影响了招工的稳定性。越来越多年轻人宁愿去送外卖也不愿进入工厂工作，使得缺陷检测这种传统的劳动密集型岗位很难招聘到工人，培训后的熟练工又存在人才流失严重等问题。人口红利消失的趋势不可逆转，用人成本不断攀升，上线自动化缺陷检测系统已从“可选”转向“必选”。
为了在不断变化和竞争愈发激烈的市场中占据优势，企业既要不断提高产品质量标准以满足客户需求，又要不断提升生产线的效率以适应市场的快节奏。采用自动化、智能化的表面缺陷检测方法是兼顾质量与效率的重要手段。实现自动化的表面缺陷检测系统存在以下技术难点：
缺陷本身带来的技术难点
不同缺陷的种类复杂以及同类缺陷的差异较大，给检测带来了较大的难度。
不同缺陷的种类复杂主要体现在三个方面。首先，类兼差异大，工业品的外观缺陷复杂多样，不同类别的缺陷之间形态特征可能差异极大，这种差异导致检测算法的普适性不强，许多缺陷需单独开发检测算法，开发复杂度极高。其次，类间模糊性大，类间模糊是类间差异大的另一极端，即不同类别的缺陷的表观特征具有一定的相似性，难以区分缺陷的种类，也就无法准确判断缺陷产生的原因，无法给产品准确定级。第三，背景复杂，在生产场景中难以将缺陷和背景完全分离，缺陷特征不明显。
如图下图的带钢表面缺陷所示，同类缺陷的差异较大是指针对同一类别的缺陷而言，通常由于生产过程中光照条件、生产批次不同、设备状态等因素的影响，同类缺陷的大小、对比度和灰度值等表观特征呈现较大的变化，缺陷特征并不服从同一分布。
检测系统带来的技术难点
表面缺陷检测系统一般由机械运动、电气控制、视觉等各式传感器组成，且系统倾向于定制化，难以跨领域批量复制。在设计检测系统时，设计者除了要了解检测系统本身以外，还需充分熟悉被检测产品的特性以及产品的加工工艺，在此前提下才能够提出可行、可靠的实施方案。
系统最终的检测效果可能受到系统每一个环节的影响。以基于机器视觉技术的检测系统为例，工件位置的一致性、打光的稳定性、相机及镜头的匹配度、检测算法的有效性等都会直接影响图像采集的质量和检测系统的应用性能，这需要机器、电气、视觉、传感等多套系统的配合。仅最基础的打光就存在诸多难点，如哪些场景需要漫射光、散射光、直接照射、低角度照射或背光照射，如何在球面、弧面、内腔等不可展曲面的打光等等。
同时，高温、高湿、粉尘等复杂恶劣外部环境也为检测系统的集成和防护能力提出了较高的技术要求。系统开发企业需研究表面缺陷检测设备的系统集成技术，探索克服现场环境高温、高湿的数据采集系统和具有抗外部干扰的系统防护技术 。
下一条： 锂电机器视觉检测新风口
