基于图像背景差影的冲压板料表面缺陷检测*

商业彤，刘乘昊，王 晶，孔祥志，何雨阳，魏鸿磊

(大连工业大学机械工程与自动化学院，大连 116034)

0 引言

冲压成型工艺广泛应用于各行各业，如汽车制造[1]、生活用品制造以及各种设备的壳体制造等，其过程包含切割下料、拉延成型、切边、卷边、抛光等多道工艺。毛坯板料经常存在各种缺陷，如划痕、瘢痕、裂纹等。较严重缺陷如裂纹、深度划痕等情况无法通过后期抛光工艺修正，任由其进入生产工序会造成废品率上升，浪费人力物力，因此对毛坯板料的缺陷检测非常重要。人工检测效率低，且易漏检[2]，企业迫切需要自动化的检测设备。

近年来，基于机器视觉的表面缺陷检测技术迅速发展，具有检测效率高、成本低等优点，大大降低人工劳动量，提高生产效率，广泛应用于工业检测领域[3]。表面缺陷检测方法主要分为传统图像处理方式、机器学习和深度学习，传统图像处理方式主要方法有边缘检测法和阈值分割法[4]。黄梦涛等[5]通过对Canny算子进行滤波增强和阈值自适应获取对锂离子电池极片表面进行缺陷检测。田洪志等[6]对采集的冲压件图像进行两次不同阈值的动态阈值分割结合区域生长法得到优化二值图进行区域筛选进而提取缺陷。为提高缺陷检测的鲁棒性，还有很多方法加入了各种图像处理环节以突出特征，如形态学处理[7]、特征空间换向[8]、投影直方图修正[9]等。近年来，随着深度学习方法的迅速发展，基于深度学习的方法如基于YOLOv4[10]、Refine-ACTDD[11]、DCGAN[12]、小样本图像非对称[13]等方法在缺陷检测领域也得到了广泛的研究和应用。……