某飛機(jī)廠—水膜智能檢測(cè)系統(tǒng)
項(xiàng)目背景
在飛機(jī)零部件的制造過(guò)程中，表面處理工藝起著非常重要的作用，直接影響著零部件的耐久性、功能可靠性及穩(wěn)定性。公司目前酸洗在內(nèi)的表面處理工藝，無(wú)論是工藝過(guò)程中的質(zhì)量檢查點(diǎn)，還是工藝完成后的質(zhì)量控制點(diǎn)，均為人工經(jīng)驗(yàn)式判定，主觀因素影響較大。酸洗鈍化線酸洗過(guò)程的質(zhì)量需通過(guò)30s水膜連續(xù)性能進(jìn)行判斷，主要以人工判斷為主即依靠判斷者的經(jīng)驗(yàn)和認(rèn)知等，缺乏統(tǒng)一的判斷標(biāo)準(zhǔn)。
零件表面水膜破裂處與基體對(duì)比度較弱，人眼也難以長(zhǎng)期穩(wěn)定辨識(shí)缺陷。反射角度和環(huán)境光改變都會(huì)帶來(lái)圖像噪聲，干擾檢測(cè)結(jié)果。零件表面水膜破裂圖像是典型的低信噪比圖像信號(hào)，可區(qū)分性強(qiáng)特征的提取是準(zhǔn)確識(shí)別其的前提。因此，針對(duì)工件表面水膜破裂低信噪比缺陷，通過(guò)優(yōu)化相機(jī)和光源的布局，開(kāi)發(fā)基于多機(jī)器視覺(jué)高效率數(shù)據(jù)采集系統(tǒng)，獲取高質(zhì)量的缺陷圖像數(shù)據(jù)。并通過(guò)圖像預(yù)處理進(jìn)一步提升對(duì)比度，降低信號(hào)干擾的影響，基于此開(kāi)發(fā)出魯棒性較強(qiáng)的特征提取和缺陷檢測(cè)技術(shù)，是項(xiàng)目的關(guān)鍵技術(shù)。
需求分析
通過(guò)本項(xiàng)目研究，構(gòu)建高精準(zhǔn)度多機(jī)器視覺(jué)視場(chǎng)檢測(cè)系統(tǒng)，實(shí)現(xiàn)基于多機(jī)器視覺(jué)視場(chǎng)協(xié)同作用對(duì)較大尺寸典型件表面水膜連續(xù)檢測(cè)和判定。研究基于深度學(xué)習(xí)的水膜連續(xù)過(guò)程目標(biāo)檢測(cè)及語(yǔ)義分割算法，突破原有系統(tǒng)只依靠人工查看表面的水膜連續(xù)30s容易漏判或者誤判的問(wèn)題，大幅提升表面處理質(zhì)量和效率。
分析光源及相機(jī)的類型及技術(shù)參數(shù)配合，結(jié)合視場(chǎng)范圍、典型件幾何特征以及精確度需求，設(shè)計(jì)工裝夾具，構(gòu)建合理的多機(jī)器視覺(jué)協(xié)同圖像采集系統(tǒng)；通過(guò)30s 水膜連續(xù)檢測(cè)算法開(kāi)發(fā)、高準(zhǔn)確率圖像采集、惡劣酸性環(huán)境下防腐蝕策略研究和典型件應(yīng)用驗(yàn)證，解決人工檢測(cè)效率低、精度差等問(wèn)題，實(shí)現(xiàn)酸洗鈍化產(chǎn)線工件表面30s 水膜連續(xù)高精度、高準(zhǔn)確率檢測(cè)，提升產(chǎn)品質(zhì)量和品質(zhì)。
設(shè)計(jì)目標(biāo)
通過(guò)飛機(jī)廠水膜檢測(cè)系統(tǒng)的建設(shè)，基于多機(jī)器視覺(jué)視場(chǎng)協(xié)同作用對(duì)較大尺寸典型件表面水膜連續(xù)檢測(cè)和判定以及研究基于深度學(xué)習(xí)的水膜連續(xù)過(guò)程目標(biāo)檢測(cè)語(yǔ)義分割算法，提升表面處理質(zhì)量和效率，最終實(shí)現(xiàn)水膜檢測(cè)的的典型應(yīng)用。
結(jié)合實(shí)際的應(yīng)用，有效提升生產(chǎn)效率、加強(qiáng)生產(chǎn)過(guò)程精準(zhǔn)控制、促進(jìn)提質(zhì)、降本、增效，建立產(chǎn)線的水膜連續(xù)檢測(cè)要求的場(chǎng)景應(yīng)用，為企業(yè)打造基于視覺(jué)檢測(cè)的管控應(yīng)用，也能進(jìn)一步提高企業(yè)對(duì)外宣傳展示的能力，拔高企業(yè)形象。
應(yīng)用架構(gòu)
本系統(tǒng)采用傳統(tǒng)算法加AI訓(xùn)練的模式，前期檢測(cè)過(guò)程中，采用傳統(tǒng)算法進(jìn)行圖像采集，圖像拼接，并輔助判斷水膜變化，將最終結(jié)果匯總到數(shù)據(jù)存儲(chǔ)模塊，并上行到AI訓(xùn)練模塊中，進(jìn)行檢測(cè)模型搭建，后進(jìn)模型訓(xùn)練，優(yōu)化算法等步驟后，開(kāi)始模型部署，完成傳統(tǒng)算法到AI檢測(cè)的過(guò)渡過(guò)程。
