产品质量缺陷检测

如今生产企业对产品质量的要求越来越高，除要求满足使用性能外，还要有良好的外观，即良好的表面质量。但是，在制造产品的过程中，表面缺陷的产生往往是不可避免的。

人工检测是产品表面缺陷的传统检测方法，该方法抽检率低、准确性不高、实时性差、效率低、劳动强度大、受人工经验和主观因素的影响大。而随着计算机技术，人工智能等科学技术的出现和发展，以及研究的深入，出现了基于机器视觉技术的表面缺陷检测技术。这种技术的出现，大大提高了生产作业的效率，避免了因作业条件，主观判断等影响检测结果的准确性，实现能更好更精确地进行表面缺陷检测，更加快速的识别产品表面瑕疵缺陷。

机器视觉检测的范围很广，目前已在电子、包装、印刷、化工、食品、塑胶、纺织等行业得到了广泛的应用。产品表面缺陷检测属于机器视觉技术的一种，就是利用计算机视觉模拟人类视觉的功能，从具体的实物进行图象的采集处理、计算、最终进行实际检测、控制和应用。产品的表面缺陷检测是机器视觉检测的一个重要部分，其检测的准确程度直接会影响产品最终的质量优劣。

技术：

为了充分利用数据集中正确的模板图像，提出了基于孪生神经网络的缺陷检测系统。

改进的FPN模块接收图像卷积的多尺度特征，再讲这些特征进行融合后送入改进的RPN 网络中，以此来解决缺陷的多尺度和类型问题。在训练过程中两个模块可以联合训练。

效果：

通过Siamese Network + FPN + RPN 等网络，双臂输入图像可以大大提高准确率，能够对各种尺度的缺陷进行检测，经过RPN网络产生候选框，最终通过NMS筛选得到缺陷。