深度学习在手机数据接口缺陷检测中的应用

刘亚东,罗印升,曹阳阳,宋 伟

(江苏理工学院电气信息工程学院，江苏 常州 213001)

0 引 言

手机数据接口是手机最常用的零部件之一，在工厂进行手机数据接口组装过程中，受工厂环境以及组装设备不稳定的影响，组装完成后的手机数据接口表面可能存在脏污以及表面划伤等缺陷。虽然目前人工检测的灵活度很高，但是传统的利用人工进行缺陷检测的方法费时费力，不符合自动化检测的趋势，因此选择一种高效的、高准确率的自动化检测算法成为必然。

目前传统的机器视觉在进行缺陷检测时，常常根据缺陷的特征去设计相应的特征模板，而对缺陷的准确描述则成为检测准确率提升的关键。如黎明等人[1]通过设计一种新的图像频域滤波器进行表面纹理的增强，再使用图像分割的方法将表面缺陷纹理分割出来，进而实现对表面纹理的缺陷检测。毛锋等人[2]提出了Top-Hat变换序列的分析方法，通过结合开运算与Top-Hat变换，获取最佳结构元素尺寸和最佳分割阈值，从而实现对缺陷的检测。骆腾斌等人[3]在进行轴承套端面的缺陷检测时，通过Canny算子进行边缘检测，再通过最小二乘法提取轴承套端面圆形轮廓区域，然后使用Otsu算法选取最佳阈值进行分割，最后通过连通域的特征进行缺陷检测。然而，在对高复杂度背景和形态各异的缺陷进行检测时，传统的机器视觉检测方法很难完成[4-7]。

在使用传统机器视觉进行手机数据接口的缺陷检测时，因手机数据接口表面存在的缺陷特征样式各异，不能找到统一的特征模板，后续的检测需要不断地去调整检测程序。……