深度学习在汽车冲压件外观缺陷检测的应用

在汽车生产制造中，有很大一部分金属零件采用冲压加工成型的方法得到，冲压工艺是汽车生产的一种重要工艺方法。冲压加工具有生产效率高、成本低、精度一致性好和材料利用率高等特点。

车身上的各类覆盖件，车内支撑件等大量的汽车零部件都采用冲压工艺加工制造，冲压件在汽车零部件中占有很大比例，所以冲压加工方式的水平和能力，在很大程度上决定着我国汽车制造的成本和质量，也影响着其他包含冲压加工生产的行业的技术进步。

将深度学习算法和机器视觉技术应用于汽车零部件成型产品的内径尺寸测量、外径尺寸测量、外观缺陷检测等所带来的高精准度、高稳定性、高通用性大大提高了工作效率，帮助用户缩短了产品的检测时间，提高了检测结果精确度。

典型的几类冲压件表面缺陷如图所示：

可检测-  

裂纹、缩颈、变形、麻点、材料缺陷、起皱、毛刺、压痕、划伤、少孔、边缘缺料、圆角不顺、叠料等

检测难点-

冲压件表面压痕和划痕缺陷的打光方式较为复杂，主要原因有两方面：一方面是待测工件表面结构复杂，表面光亮，反光情况严重；另一方面是缺陷细微，难以通过照明突出。

东声智能采用Handdle AI软件平台的目标定位算法模块，检测方式支持静态或产线上动态取图。搜集包含不同类型缺陷产品图片进行分类标注、训练，测试。