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”，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。神經(jīng)網(wǎng)絡的基本構(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用深度學習中不同類型即層次的神經(jīng)網(wǎng)絡，比如卷積神經(jīng)網(wǎng)絡,循環(huán)神經(jīng)網(wǎng)絡,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。