抗干扰表面缺陷检测算法

干扰下仍可精准识别

直接对含切屑与切削液的图像进行缺陷识别，无需人工清理，为预测性维护提供多种缺陷信息。

Chen, Wei · 邹斌 · Ting, Lei · Qinbing, Zheng · 黄传真 · 李力 · 刘继凯

Journal of Intelligent Manufacturing 2023

参数信息

干扰识别平均像素精度

98.37 %

干扰识别平均交并比

95.46 %

技术优势

无需人工清理

该方法自动定位并修复干扰区域，直接在修复后的图像上进行缺陷检测，省去人工清理步骤。

定位精度高

ECANet-DeeplabV3+ 对干扰区域的识别平均像素精度达 98.37%，平均交并比达 95.46%。

提供多种缺陷信息

不仅检测缺陷，还输出缺陷类型、不同缺陷区域的像素数和面积比，便于预测性维护和质量控制。

应用场景

• 切削加工表面质量控制：在存在切屑和切削液的加工现场直接检测表面缺陷，提高质量监控水平。
• 工业视觉检测：替代人工目视检查，自动处理受干扰的图像，稳定输出检测结果。
• 预测性维护：输出缺陷类型、像素数和面积比等数据，为预测性维护提供决策依据。
• 机器视觉系统：集成到机器视觉系统中，提高在复杂环境下缺陷检测的鲁棒性。