Six methods for industrial defect detection using OpenCV4

【文末送书】今天推荐一本机器视觉领域优质书籍

机器视觉

机器视觉是通过各种工业相机结合传感器和电气信号实现的功能，并非传统的人工操作模式；它能够执行对象识别、计数、测量等任务中的多个环节。在工业品质量控制领域中，“尤其是传统的3C制造环节”，产品的缺陷检测严重依赖于人工干预；特别是在这一过程中，“产品缺陷的发现和检验主要依靠人的视觉系统进行”。由于这一特点，“不仅耗时耗力，并且会带来人员成本和工作时间管理上的诸多挑战”。因此，“通过引入机器视觉技术进行应用”，可以使生产流程更加高效；从而大幅降低时间和人力投入的需求，并推动生产流程向自动化和流水线化方向发展

缺陷检测

常见的工业品缺陷主要包括划痕、脏污、缺失、凹坑、裂纹等技术指标问题，在依赖人工目检（眼睛检测）的情况下可以通过机器视觉中的缺陷检测算法实现相应的替代方案设计。当前工业缺陷检测技术主要可分为两类：基于传统视觉的算法与基于深度学习的算法；其中基于传统视觉的方法主要通过对目标特征进行量化分析来实现功能定位与判断过程。其优点在于具有较高的可解释性，并且对样本数量无要求且运行速度较快；但其缺点在于受固定光照条件限制较为明显，在实际应用过程中稍有改动即需重新配置系统参数并重新部署程序；此外其工作原理及检测规则更多地受到开发者经验的影响程度较大。相比之下基于深度学习的技术则能够较好地克服上述方法的不足之处；能