面向智能手机玻璃盖板缺陷检测的YOLOv3改进和应用

伍济钢， 成 远， 邵 俊， 阳德强

(湖南科技大学 机械设备健康维护湖南省重点实验室，湖南 湘潭 411201)

1 引 言

智能手机玻璃盖板位于手机屏幕最外层，是屏幕的坚实外壳和触摸媒介。随着人工智能的快速发展和5G时代的到来，智能手机已成为必备工具[1]，人们对智能手机的品质要求也越来越高。智能手机玻璃盖板在生产过程中不可避免地会产生各类缺陷，如崩边、划痕、脏污、坑点等。为了满足用户对智能手机高品质的要求，生产企业必须对智能手机玻璃盖板进行100%的高标准质检。现阶段的大批量生产中主要还是依靠质检工人借助强光灯、放大镜等工具进行目视检测，受人的身体素质和经验等的影响，存在检测效率低、成本高、误检率高、劳动强度大等问题。因此，研究可替代人工的手机玻璃盖板缺陷检测方法具有重要意义。

智能手机玻璃盖板缺陷检测对自动检测方法提出了以下要求：(1) 检测方法柔性好，能够适应各种类型各种形态的缺陷；(2) 检测方法泛化能力强，能适应缺陷特征不明显、多尺度等特点；(3) 检测方法实时性好，能适应大批量生产的节拍；(4) 良率高，可完全替代人工检测。目前，传统方法大多采用机器视觉的差影法[2-3]、背景消除法[4]和阈值分割法[5-7]等进行智能手机玻璃盖板缺陷检测。传统方法一般只能针对某一类缺陷或有周期性纹理的缺陷进行检测，无法满足柔性检测要求。同时，这些方法受噪声影响较大，导致检测精度不高。近年来，基于深度学习的目标检测算法[8-11]通过搭建各种不同的网络结构，搭配使用强大的训练算法自适应地学习图像高级语义信息的表示[12]，在检测精度和效率方面相对于传统方法有了较大的提升。……