海康智能工業(yè)相機MV-CA013-20GM噴墨字符缺陷檢測案例分享
項目需求：
某集成商有一個牛奶包裝生產(chǎn)日期打印質(zhì)量的檢測需求，內(nèi)容為檢測牛奶包裝上的生產(chǎn)日期打印質(zhì)量，判斷是否有打花，缺碼，污點的情況，設(shè)備根據(jù)檢測結(jié)果，將打印質(zhì)量不良的包裝剔除。
檢測對象：
方案設(shè)計：
視覺方案
成像方案部分：
?？迪鄼C：MV-CA013-20GM ?？电R頭：MVL-HF3528M-6MP
光源：MV-LLES-175-30-W 視場范圍：60 mm * 40mm
工作距離：350mm 光源距離：180mm
需求難點：
作為檢查對象，字符信息實時在變化，位置也不固定，有一定的波動，包裝個體之間的差異導(dǎo)致字符的背景也有明暗變化的情況，因此使用傳統(tǒng)的缺陷檢測算法很難實現(xiàn)
算法實現(xiàn)：
考慮到項目的難點，利用深度學(xué)習(xí)缺陷檢測的方式搭建算法方案，首先通過特征匹配和仿射變換定位字符位置，并將原圖裁剪成260*160大小的圖片。流程如下：
圖像預(yù)處理流程
原圖 裁剪后的圖片
通過圖像預(yù)處理，將原始圖像裁剪成260*160分辨率的小圖，一方面可以使得樣本的的背景更加簡單，較少干擾。同時，低分辨率的樣本可以較少算法對硬件的依賴。提升檢測效率。模型訓(xùn)練時，選擇300張NG的樣本和300張OK的樣本，保證NG的樣本中包含所有缺陷的紋理。具體模型訓(xùn)練的過程略。得到缺陷檢測的模型后，進(jìn)行測試，測試的算法流程如下：
缺陷檢測流程
通過測試發(fā)現(xiàn)，OK的樣本和NG的樣本在概率圖的呈現(xiàn)形式上有明顯的差異，通過blob工具，開啟面積和閾值使能，過濾干擾項，達(dá)到字符缺陷檢測的效果。測試樣本集中，OK的樣本為800張，NG的樣本為400張，OK的全部識別正常，NG的誤識別為4張，綜合識別率為99.7%。
總結(jié)：
在實際的應(yīng)用環(huán)節(jié)發(fā)現(xiàn)，終端客戶對字符缺陷的需求要大于字符識別的需求，實際的噴碼過程中，噴碼錯誤的可能性非常低，往往會有設(shè)備異常導(dǎo)致的噴碼缺陷，這類缺陷是客戶需要剔除的，深度學(xué)習(xí)缺陷檢測技術(shù)剛好可以應(yīng)對這類復(fù)雜的缺陷檢測需求。
