Дефекты поверхности алюминиевого профиля могут значительно повлиять на производительность, безопасность и надежность изделий. Традиционный человеческий визуальный контроль имеет низкую точность и требует много времени, а методы, основанные на машинном зрении, зависят от особенностей ручной работы, которые должны быть тщательно разработаны и не обладают надежностью. Для распознавания множественных типов дефектов различного размера на алюминиевых профилях предлагается многомасштабная сеть обнаружения дефектов, основанная на глубоком обучении. Затем сеть обучается и оценивается с помощью изображений дефектов поверхности алюминиевого профиля.
Алюминиевые сплавы привлекают все большее внимание в аэрокосмической, автомобильной и электронной промышленности благодаря своей низкой плотности, высокой удельной прочности, хорошей коррозионной стойкости и хорошей способности к вторичной переработке. алюминиевый профиль является формой применения алюминиевых сплавов, и спрос на него чрезвычайно велик из-за массового использования пространственно-каркасных конструкций в высокоскоростных железнодорожных и автомобильных кузовах. Поэтому качество поверхности алюминиевых профилей приобрело значительное значение.
Любые поверхностные дефекты, такие как трещины и деформации, значительно влияют на производительность, безопасность и надежность изделий. Традиционно визуальный контроль на основе человека является распространенным методом обнаружения в машиностроении. Однако из-за низкой частоты дискретизации, низкой точности, плохой производительности в реальном времени, усталости, сильно подверженной влиянию искусственного опыта и других неблагоприятных факторов, искусственного контроля недостаточно, чтобы гарантировать стабильность и точность обнаружения. Кроме того, другие методы, основанные на различных сигналах, таких как электрический сигнал и магнитный сигнал, также использовались многими компаниями для обнаружения поверхностных дефектов. Однако вихре токовое тестирование может обнаружить только проводники и должно быть близко к исследуемой поверхности. Кроме того, шероховатая поверхность влияет на результат обнаружения, а глубина проникновения вихре токового детектора ограничена.
Основанный на машинном зрении метод обнаружения поверхностных дефектов имеет абсолютное преимущество с точки зрения его безопасности, надежности, удобства и эффективности. Это эффективное средство реализации автоматизации и интеллектуализации производственных процессов в металлургической и черной металлургии. Типичный метод обнаружения дефектов на основе машинного зрения состоит из источника света, камеры с зарядовой связью (ПЗС) и алгоритмов обработки изображений. Многие ученые провели значительные исследования алгоритмов обработки изображений.
В компьютерном зрении объектами глубокого обучения часто являются естественные изображения, в том числе пешеходов, транспортных средств, животных, человеческих лиц и т. Д., Но существует мало исследований по обнаружению дефектов поверхности алюминиевого профиля с помощью глубокого обучения. Поэтому в данной работе предлагается многомасштабная дефектоскопическая сеть для обнаружения дефектов поверхности алюминиевого профиля, которая была основана на использовании CNNs. Сеть основана на более быстром R-CNN и пирамидной сети функций (FPN) и может эффективно обнаруживать поверхностные дефекты с различными масштабами.