密封圈和气门油封算法

介绍

本代码是密封圈和气门油封全方位缺陷检测算法

目录

• 1. 功能介绍
• 2. 实现方式
• 3. 创新点
• 4. 总结

1.功能介绍

2.实现方式

1.性能：

密封圈：

该算法适用于密封圈表面缺陷检测以及内外径尺寸检测，针对于密封圈表面10余种缺陷检测 任务，包括尺寸测量、预处理、二分类、语义分割检测等算法，算法整理框架如下图所示：

气门油封：

该算法适用于气门油封工业缺陷全方位识别，包括气门油封唇部、金属骨架、下弹簧座三个部位多达30余种工业缺陷的检测和分类任务，包括各部位检测定位、弹簧算法、胶头和唇底孪生网络、毛刺算法、胶头骨架检测等算法，由于气门油封的生产实际，气门油封缺陷样品获得困难，数量少难以制作深度模型所需的数据集，所以我们采用了传统算法和深度学习相结合的算法。算法框架如图所示：

2.实现途径：

3.创新点

（一） 密封圈缺陷检测

密封圈检测创新性地利用语义分割模型解决了在有限数据集下，一般深度模型对微小瑕疵不灵敏的问题，且大大提高了算法应对未知缺陷的鲁棒性，有效解决了密封圈瑕疵检测中的难点痛点。

1. 解决了原采集图像分辨率非常大，又想保证模型的小缺陷识别精度之间的矛盾问题；
   
2. 使用语义分割后使对于小缺陷识别这个一直难以提高识别精度的问题得到大幅度改善；
   
3. 二分类与语义分割相互互补，大大提高了算法的鲁棒性；语义分割模型提供了对于密封圈缺陷区域的面积量化指标，对于可容忍和不可容忍的缺陷弹性调节，更符合工业质检的实际要求；
   
4. 针对于密封圈的侧面识别，由于密封圈内测外侧都要识别而镜头只能精准的定位一侧，使用了这种裁成一个一个小区域识别：一方面使深度模型不必再考虑无用的背景区域，另一方面扩大了能识别缺陷的视野范围；
   
5. 分割模型对于位置缺陷有一定的兼容能力。
   

（二） 气门油封缺陷检测

气门油封检测突破性首创性的针对油封多种缺陷进行了系统性的检测，缺陷包含数目多，检测全。

1. 使用孪生网络模型对油封的胶头进行识别，解决了胶头缺陷种类多，数量大，变化不一，缺陷特征小的问题，依靠较少的缺陷数据集取得了高精度的检测，解决了样本不足，正负样本不均的深度模型训练难点，能在实际应用中解决好质检过程的痛点。
   
2. roi截取算法鲁棒性较高，识别性能较好，基于实际图像采样情况对每个部位进行相应的算法设计，完成效率高效果好；弹簧识别算法比较有创新性，有较为精确的检测能力，和以往的识别算法有创新性的不同，对于气门油封弹簧问题这一普遍存在的缺陷提拱了一种新的解决方案；
   
3. 突破性地针对气门油封多种缺陷进行了系统性的检测，缺陷包含数目多，检测全面，对于多种实际生产中的质检难点缺陷提出了有效方案，大大降低了人工重检、复检的风险，有实际应用意义。具有检测不同型号气门油封的能力，检测系统兼容性好，算法鲁棒性较好，贴合质检要求，能切实满足客户需要。
   

4.总结

东北是我国重要的工业基地，尽管现在发展缓慢，但仍占有较大市场份额，油封及O型密封圈每年需求量很大，故生产量很大，因此其缺陷检测市场空间也很大。目前，市面上利用机器视觉检测油封及O型密封圈缺陷的生产厂家数量少、定价高。如北京大恒图像视觉有限公司使用德国MVTec公司的Halcon软件，这种方式虽降低了软件开发的难度和工作量，但是在机器使用上受制于人，没有自主权，没有议价权，从而大大增加了机器设备的成本，而我们自主研发的算法技术，降低了生产成本，具有较大的利润增长点和价格自主权。