使用深度学习实现工业异常检测

工业缺陷可视为工业产品的外观 “异常”，因此有部分工业缺陷检测方法采用了异常检测的思路。然而异常检测的定义与工业缺陷检测是有所区别的。

具体而言，异常检测的概念更加广泛与抽象, 其中图像异常检测主要关注输入图像是否为异常实例，而工业缺陷检测更关注像素层面的检出任务。在像素层面上，异常与正常模式的差别更加细微，检测难度也大幅增加，因此直接使用异常检测方法难以满足工业缺陷检测的任务需求。

近年来, 深度学习方法因其在处理背景复杂、缺陷微弱的工业图像时表现出*的性能优势，成为解决工业图像缺陷的主流方法。西安获德图像也通过深度学习工业缺陷检测研究，把该研究成果应用到了相关行业，实现了成果产业化。

主要转化项目为：

1）基于视觉的纺织品表面缺陷检测：

在布匹生产过程中，需对布匹缺陷进行检测，根据缺陷类型及严重程度进行等级划分。西安获德智能验布系统主要面向纺织服装行业，采用基于深度学习的人工智能算法，机器视觉技术检测织物表面缺陷。只要是不正常的纹理，均可实现实时在线检出，检出率90%以上。主要检测缺陷内容包括：断经，断纬，节丝，开车痕，机械段，油污，破洞等常见缺陷。

2）碳纤维智能化巡检及质量监测：

碳纤维经过拉丝工艺形成碳纤维原丝，多根原丝组合在一起形成碳纤维原丝纱线。由于设备，工艺等原因，碳纤维原丝纱线表面会产生破丝，毛团等缺陷，同时纱线在碳化过程、以及其他生产环节会发生个别碳纤维原丝局部破损、断裂现象，形成毛团，毛条附着在碳纤维纱线上。目前对于这些缺陷均未实现自动检测。采用机器视觉技术，实时监控每一根碳纤维纱线上的毛球、毛丝、长短丝、断丝，检测到缺陷后保存缺陷图像及相关信息以便给改善生产工艺提供数据支持。

3）石膏板外观质量在线检测智能装备：

石膏板在生产过程中，由于设备，工艺，原料等因素影响，往往会产生各类缺陷，如石膏板表面漏浆，纸张褶皱，宽度、厚度不均匀，立边不垂直等，这些缺陷严重影响了产品质量和企业声誉。

石膏板外观质量在线检测智能装备，融合人工智能、机器视觉、3D结构光技术、嵌入式控制技术、激光技术、网络技术、自动化控制等*，实现石膏板在生产过程中的实时在线质量检测与控制。可实时检测纸张破洞、板形、板长、缺陷打标、缺陷板识别剔除、泡径检测等一系列石膏板流水线上的缺陷检测。

4）玻纤纱缺陷在线检测：

玻纤纱线在整经工序出现各种各样的缺陷，例如，破丝，断纱，毛团等，如果能够尽早发现缺陷，可及时查找产生缺陷的原因并进行相应处理。由于整经机纱线数量多，纱线细，破丝只有几微米，肉眼是无法观察到，因此采用人工检测方式无法完成纱线质量检测，需开发基于机器视觉的玻纤纱缺陷在线检测系统，实时监控每一根纱线上的破丝，毛团缺陷。