工业AI 视觉瑕疵检测项目 架构设计

（1）机器从钢丝圈存放架拉动钢丝圈，将其摆放在贴合圆盘上：
（2）输入橡胶，滚轮固定，然后圆盘自转一周，侧刀裁断后续橡胶，闭口器前
推，按压接口，使其闭合；
（3）小圆柱从圆盘弹出，将成品橡胶圈从圆盘中脱离；
（4）传送带上方的拉钩将橡胶圈拉至传送带，后经机械手，将成品橡胶圈摆放
到存放区。
2.经先后多轮现场调研，我司总结：产品品质问题均出现在橡胶条首尾结合处，
且外观上明显与合格产品有较大出入。经研判，可通过 AI 机器视觉识别，对瑕
疵品接口处的情况进行 AI 自主学习，比对与合格品的差别，从而识别出瑕疵品与合
格品，达到质检的效果；
1．核心需求
（1）快速、精准的三角胶贴合接口瑕疵检测（瑕疵定性）；
（2）三角胶贴合接口瑕疵数据测量（瑕疵定量）。
2．次要需求
（1）能直接与产品产线结合、加装（安装简单且适应性强）；
（2）统一、整洁、专业的产品设备；
（3）符合人性化使用习惯的操作（系统设计美观、简约


（二）解决思路
将采用二维机器视觉技术，通过图像 OCR 技术、影像目标检测技
术、AI 深度学习、图像分类等方法，提升数据采集速度和研判的准确度，实现快速质
检的目标。总体解决思路的细化分为硬件组成部分及软件组成部分：
1．硬件建设
（1）数据采集方案
数据采集的核心是在高速运转的传送带上，正确采集关键帧画面（包括接头的一
帧画面），为此有 2 种方案：
①当接头部分通过固定区域，利用红外线或其他机关触发摄像头抓拍，再对抓拍
画面进行数据分析。
②使用摄像机进行摄像，保证关键画面区域能包含在整体视频流里面，再通过软
件提取关键一帧画面。
根据调研，将采取二者折中的方案，即：
①将摄像头架设与生产线的上方，持续拍摄下方生产线，产生视频流；根据现场
环境光暗程度配置足够亮度的补光灯。如下图：
②橡胶圈经过摄像头下方时，摄像头对接口位置进行识别，判断是否存在瑕疵，
存在何种瑕疵。
③系统会将识别到有瑕疵的画面自动保存下来，供使用者查验。

（2）硬件建设
根据上述的数据采集方案，硬件建设主要包括负责图像获取的图像采集设备和负
责图像处理检测的检测设备。具体如下：
①图像采集设备：摄像头+辅助设备
 选用高清摄像头，确保清晰度足以捕捉瑕疵的微小细节；
 具备高速拍摄功能，以追踪快速移动的橡胶圈；
 补充光源、固定支架和云台等辅助设备，以确保图像获取的环境亮度和稳定性；
 不同类型的焦距适用于不同的拍摄场景。考虑到部署产线的客观条件不一，摄
像头需要具有变焦功能或加装变焦镜头；
 为了拍摄快速移动的目标必须防止摄像机晃动，因此需要稳定摄像头或摄像头
自带防抖功能；
 可追加防震和防尘功能
软件建设
（1）智能识别方案
样本标注：将获取到的样本图像划分为“合格”和“不合格”两类。根据业务场
景，橡胶圈接口不合格

模型选择：ResNet (残差网络，Deep Residual Learning for Image Recognition)，
在 2015 年 的 ImageNet 大 规 模 视 觉 识 别 竞 赛 （ ImageNet Large Scale Visual
Recognition Challenge, ILSVRC）中获得了图像分类和物体识别的优胜。 残差网络
的特点是容易优化，并且能够通过增加相当的深度来提高准确率。其内部的残差块使

用了跳跃连接，缓解了在深度神经网络中增加深度带来的梯度消失问题。 （2）与中控程序整合方案
识别程序需要与中控程序进行整合。具体连接方案，根据青岛众屹科锐接口方案
调整。
自动分拣：当判断当前经过的橡胶圈为“不合格”时，需通过 API 接口告知中控
程序，中控程序需将在自动分拣将标记为“不合格”的橡胶圈进行处理。
当判断当前经过的橡胶圈为“合格”时，也需要通过 API 接口告知中控程序，以
协助中控程序准确安排自动分拣工作。
定量计算：当判断当前经过的橡胶圈为“不合格”时，需要对这些产品进行进一
步测量和计算，以获取有关“不合格”产品的详细参数信息。这一步骤旨在为产线工
人提供必要的数据，帮助他们对生产机器进行调整，以改善生产质量。
数值统计：作为产线上质检的一个重要环节，我们需要对产品的生产数据进行统
计，并将这些生产数据提供给产线的管理者。这些数据将为管理者提供有关产线布局
的重要信息，以便他们进行必要的调整和改进。
3．总体架构图