傳統(tǒng)的人工檢測表面缺陷檢測的方法因為空間與時間分辨率有限，存在很多不足之處，人眼視覺所能檢測的缺陷尺寸需要大于0.5mm，且需要較大的光學形變(64灰度級)，同時當待測物體的運動速度達到3m/s時，人眼將不能發(fā)現(xiàn)缺陷的具體形態(tài)，并且由于人眼會疲勞，會有比較高的誤檢率及漏檢率。

  得益于圖像處理、模式識別等技術(shù)的發(fā)展，以機器視覺為主的表面缺陷檢測方法在產(chǎn)品質(zhì)量控制環(huán)節(jié)中得到了廣泛的應(yīng)用。機器視覺瑕疵檢測可到微米級，機器快門時間可以達到微秒級，識別和判斷穩(wěn)定，檢測效率得到提升。但是表面缺陷檢測系統(tǒng)的核心在于缺陷檢測算法，這一階段的缺陷檢測算法主要是統(tǒng)計、光譜、模型、學習和結(jié)構(gòu)，過程分為圖像預處理、目標提取、特征選擇及模式分類，每個環(huán)節(jié)都會對模型的識別率產(chǎn)生影響。尤其在數(shù)據(jù)量較大且復雜的情況下，特征選擇的難度會增加。同時在測量效率方面存在很大的局限性。

  近十年，3C智能硬件的快速迭代促使生產(chǎn)檢測技術(shù)不斷推陳出新。深度學習技術(shù)則推動AI人工智能快速進入生產(chǎn)制程。

  深度學習：深度學習的思想源自于“人工神經(jīng)網(wǎng)絡(luò)”，從大腦中汲取靈感，模擬人腦分析問題機制并建立分析學習的神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)的基本構(gòu)建模塊是人工神經(jīng)元-模仿人類大腦神經(jīng)元。正如大腦數(shù)十億個神經(jīng)元神經(jīng)元分布在神經(jīng)網(wǎng)絡(luò)的幾個層中，之間有數(shù)萬個連接，深度學習模型涉及大量的計算單元，它們彼此交互時對所建模數(shù)據(jù)潛在分布的多層表征進行自主學習。

  深度學習技術(shù)賦能機器視覺，在特征自主學習及識別任務(wù)中擁有更好的表現(xiàn)，可以自動對輸入樣本進行特征提取。相比于傳統(tǒng)的機器視覺方法，基于深度學習的視覺缺陷檢測系統(tǒng)可以減少手動提取特征對識別精度的影響，更*的檢測并識別產(chǎn)品表面缺陷。針對檢測目標特征復雜及提取困難的問題，深度學習也能夠提供很好的解決方法。所以說，基于深度學習的機器視覺瑕疵檢測系統(tǒng)有效地控制了產(chǎn)品表面質(zhì)量，從而改善企業(yè)的生產(chǎn)控制過程和提升競爭力。

  作為計量和制造技術(shù)方案專家，七海測量致力于協(xié)助工業(yè)制造企業(yè)開發(fā)技術(shù)和改變未來的產(chǎn)品。為了契合3C行業(yè)日趨嚴苛的高效高標準瑕疵檢測需求，七海測量歷經(jīng)了近三年時間自主研發(fā)基于深度學習的Proxima瑕疵檢測軟件系統(tǒng)和多套硬件型號，凝聚多項先進技術(shù)，解決客戶在產(chǎn)品表面瑕疵檢測環(huán)節(jié)遇到的各種問題：

  對工件的缺陷進行精準定位和識別，高效訓練并快速輸出直觀的檢測結(jié)果。七海測量基于深度學習的機器視覺瑕疵檢測應(yīng)用深度學習中不同類型即層次的神經(jīng)網(wǎng)絡(luò)，比如卷積神經(jīng)網(wǎng)絡(luò),循環(huán)神經(jīng)網(wǎng)絡(luò),長短期記憶對深度學習訓練的模型和速度進行優(yōu)化，使我們的瑕疵檢測在短時間內(nèi)可達98%的準確率。

                  精準定位和檢測結(jié)果

  系統(tǒng)設(shè)計簡潔，深入淺出。從樣本標注到模型訓練、再到檢測各環(huán)節(jié)緊密相扣，Proxima瑕疵檢測軟件系統(tǒng)將復雜的神經(jīng)網(wǎng)絡(luò)用簡單的方式呈現(xiàn)給客戶使用，系統(tǒng)采用 Microsoft Office GUI標準，無需深入了解底層算法也可快速入手。

                       軟件標注界面

  提供多種訓練模型及方法，適用性強。Proxima瑕疵檢測軟件系統(tǒng)訓練模型時可根據(jù)產(chǎn)品特征選擇的深度學習模型，能夠快速準確的學習到瑕疵特征，適用性強，可應(yīng)對復雜軟件訓練界面

  導出報告即可查看檢測結(jié)果分布情況，透視直觀。通過Proxima瑕疵檢測軟件系統(tǒng)檢測后，可以在報告中直觀的看到檢測結(jié)果分布情況，包含缺陷位置、形態(tài)大小和類型等，并可以導出為html網(wǎng)頁文件報告，通過網(wǎng)頁瀏覽器即可打開，輕松方便的保存記錄測試結(jié)果。

                          軟件檢測界面

  區(qū)別于其他傳統(tǒng)的缺陷檢測方式，七海測量的Proxima瑕疵檢測系統(tǒng)只需要少量的瑕疵圖片*可在短時間內(nèi)進行大規(guī)模的訓練。而且采用GPU專用處理算法，大幅提升檢測效率，以及通過基于深度學習的檢測算法,可以提高準確度，降低漏檢率和過殺率。

  另外，七海測量將瑕疵檢測與尺寸檢測合二為一，解決用戶瑕疵需求的同時也解決用戶尺寸的檢測需求。這項功能可謂是一舉兩得，減少了大量的時間和投資成本，提升了產(chǎn)品質(zhì)量的同時也驅(qū)動產(chǎn)量的提升。

  簡而言之，借助于深度學習的新技術(shù)，七海測量的瑕疵檢測系統(tǒng)支持少量樣本訓練，簡單上手易操作，高效高質(zhì)檢測。這套基于深度學習的瑕疵檢測系統(tǒng)可以廣泛應(yīng)用于不同行業(yè)，比如電子行業(yè)，玻璃制造業(yè)， 3C 手機行業(yè)等。目前，七海測量已經(jīng)在多個項目中投入使用，為多個客戶創(chuàng)造了巨大的價值，比如聯(lián)想，綠點，富士康，東尼等知名公司。為智能制造持續(xù)賦能，幫助我們的客戶提質(zhì)增效，實現(xiàn)數(shù)字變革，是七海測量持之以恒的追求。