部分汽车车灯零件涉及到一种工艺——真空镀铝。而零件本体自身的材质为塑料，经过真空镀铝后，表面会形成一层有镜面效果的膜。正是因为工艺的一些特点，导致产品无法做到100%的镀铝合格性，而且人工检测的主观性依赖较强，于是自动化表面缺陷检测代替人工检测的需求被提出。

车灯零件产品实物图如图1（部分是高反光面、一些是非高反光面）：

图1  产品实物

现有检测手段仍处于人工阶段，需要不断的对新人进行培训，且容易受主观因素影响，所以易出现漏检等现象。

图2  人工检测

如果用机器视觉自动检测技术代替人工，容易做到检测标准量化以及数据存储（可以用于缺陷分布追溯，从而作为提高良率的间接措施）。

图3  自动化检测设备布局图

如上图，整个定制化的机器人自动检测工作站，主要包括六轴工业机器人、控制柜、双工位定位夹具、机器视觉系统（多组工业相机、工业光源、），其所有工业相机均安装在机器人末端，则机器人可通过调整自身姿态，实现各个表面区域的拍照（保证准确的工作距离，等同于进行了机械对焦）。双工位的布局，可以实现一个工位实时检测，另一个工位人工上下料或者机器人自动上下料。

图4  a实物表面缺陷，b实物表面缺陷

此项目中比较棘手的技术难点在于：

1. 产品为异形件，表面非常不规则；

2.大部分表面为高反光面（镀铝），且为不规则曲面；

3.掺杂着非高反光面，为磨砂面；

4.拐角棱边的影响；

5.缺陷种类多；

6.产品种类多。

为了解决以上难点，开异智能公司集公司多边技术力量（机械、算法、光学等）进行多次深入讨论，找到对应的有效解决方案。借助六轴工业机器人的灵活性，实现柔性生产，该类机器人可以实现相机组件在空间中六自由度的灵活变换位姿；采用了多组相机光源的有效组合，实现基本全覆盖的检测；并且所采用的光源并非单一参数，可以进行数字化控制（包括亮度、角度、方向等）。

成像效果分析如下图，对于不同区域的高反光面，需要匹配不同的光源参数，才能有效成像（缺陷要能相对清晰可见）。

上两图成像对应的实物区域

其它高反光面缺陷有效成像图如下：

也有非高反光面的区域成像，如下图：

前面所讲到的有效成像，作为整个项目的最关键技术之一（毕竟没有好的成像，图像处理算法再厉害，也将陷入“巧妇难为无米之炊”之痛），面对如此复杂的成像背景，在图像算法上的挑战也将上升到了新高度。针对该项目，需要采取传统算法和AI相结合进行。

下面附几张图片：

人工智能在机器视觉缺陷检测领域，以深度学习为核心的一种自动化检测算法。它以深度神经网络为基础，一般通过监督式学习，以标记后的缺陷品图片和良品图片为集合，对模型进行训练和验证；然后使用训练后的数据，对未知的图片进行检测。作为训练集合的缺陷品图片和良品图片，数量越多，分布越全面，缺陷类型覆盖越广，最终检测效果就会越好。