工業(yè)質(zhì)檢中的機(jī)器視覺技術(shù)正在經(jīng)歷從傳統(tǒng)圖像處理到深度學(xué)習(xí)的范式轉(zhuǎn)換，使復(fù)雜缺陷的檢出率從85%提升至%以上。

傳統(tǒng)視覺檢測基于特征工程。在PCB焊點(diǎn)檢測中，先通過局部閾值分割提取焊點(diǎn)區(qū)域，然后計(jì)算面積、圓形度、灰度均值等27個特征參數(shù)，后通過支持向量機(jī)分類器判斷焊接質(zhì)量。這種方法的檢測速度為1200個焊點(diǎn)/分鐘，但對虛焊、冷焊等微觀缺陷的檢出率僅87%。

深度學(xué)習(xí)通過卷積神經(jīng)網(wǎng)絡(luò)自動學(xué)習(xí)特征表達(dá)。YOLOv4框架在液晶屏亮點(diǎn)檢測中的應(yīng)用顯示：通過數(shù)據(jù)增強(qiáng)生成包含2萬張帶標(biāo)注缺陷的圖像集，訓(xùn)練后的模型對亮點(diǎn)、暗點(diǎn)、 Mura斑的檢出率達(dá)到%，單張圖像推理時間僅23ms。關(guān)鍵創(chuàng)新在于注意力機(jī)制模塊的引入，使網(wǎng)絡(luò)更聚焦于缺陷區(qū)域的特征學(xué)習(xí)。

針對微小缺陷檢測，U-Net++架構(gòu)在半導(dǎo)體晶圓檢測中表現(xiàn)卓越。其編碼器-解碼器結(jié)構(gòu)配合跳躍連接，可在保持16倍下采樣特征圖空間分辨率的同時，檢測到3μm的劃痕缺陷。通過混合損失函數(shù)（Dice Loss + Focal Loss）解決缺陷像素占比極低（<%）的類別不平衡問題。

三維視覺為復(fù)雜曲面檢測提供解決方案。Gocator 3510系列線激光傳感器以5kHz掃描頻率獲取點(diǎn)云數(shù)據(jù)，通過點(diǎn)云配準(zhǔn)算法將實(shí)測數(shù)據(jù)與CAD模型對齊后，計(jì)算每個點(diǎn)的法向偏差。在渦輪葉片檢測中，該系統(tǒng)可同時測量葉型誤差、粗糙度、冷卻孔位置等38個參數(shù)，檢測周期從45分鐘縮短至3分鐘。

新的聯(lián)邦學(xué)習(xí)架構(gòu)解決數(shù)據(jù)孤島問題。多個生產(chǎn)基地的視覺系統(tǒng)在本地訓(xùn)練模型后，僅上傳模型參數(shù)至云端進(jìn)行聚合，在保護(hù)各廠數(shù)據(jù)隱私的前提下，使新投產(chǎn)基地的視覺系統(tǒng)初始檢測準(zhǔn)確率即可達(dá)96%。