基于人工智能的磁芯產(chǎn)品缺陷檢測與分類技術(shù)

俞永方 吳玨 雷明根 吳顯德

（1.浙江華是科技股份有限公司 浙江省杭州市 311100 2.浙江理工大學(xué) 浙江省杭州市 310000）

磁芯產(chǎn)品廣泛用于通訊、計(jì)算機(jī)、家用電器及消費(fèi)類電子（如電視機(jī)、游戲機(jī)、液晶顯示器）等領(lǐng)域的硬件電路板、開關(guān)電源、變壓器、電感器等，伴隨計(jì)算機(jī)性能的提高和網(wǎng)絡(luò)通信技術(shù)的發(fā)展，各種磁芯材料也層出不窮。

目前，磁芯產(chǎn)品缺陷（如崩缺、爆點(diǎn)、漏鍍、暗孔、暗裂等）大多數(shù)都是依靠人工眼睛分辨，由于磁芯非常小（幾個(gè)毫米），而有些缺陷更是極其細(xì)微，幾乎達(dá)到人眼分辨效率極限，加上疲勞也都會產(chǎn)生一定的錯(cuò)檢漏檢[1]。機(jī)器輔助檢測目前國內(nèi)產(chǎn)品也存在一些問題，主要表現(xiàn)為機(jī)器檢查磁芯時(shí)很不穩(wěn)定，有時(shí)檢測出的合格率可達(dá)70%，但一次檢出率僅有40%，還有30%沒能被一次性檢出；機(jī)器在檢查磁芯時(shí)不能測量磁芯各部分的尺寸；一種型號的機(jī)器只能檢查幾種磁芯，不能檢查多種磁芯或其他的產(chǎn)品如電阻、電感等。

隨著人工智能技術(shù)的興起，其相關(guān)技術(shù)也開始廣泛應(yīng)用到產(chǎn)品缺陷檢測中[2-3]。本文在對人工智能技術(shù)進(jìn)行深入研究后，提出基于人工智能的磁芯產(chǎn)品缺陷檢測與分類研究方案，并且在硬軟件上進(jìn)行集成實(shí)現(xiàn)。首先構(gòu)建基于人工智能的磁芯產(chǎn)品缺陷檢測構(gòu)架體系；其次，提出目標(biāo)定位和缺陷檢測算法，基于圖像處理與分析，并編程實(shí)現(xiàn)；再次，研究檢測系統(tǒng)與自動控制系統(tǒng)的協(xié)調(diào)機(jī)制；最后，驗(yàn)證本文檢測與分類研究方案的預(yù)期功能。

1 磁芯產(chǎn)品缺陷檢測與分類的整體機(jī)制

本研究方案主要分為光學(xué)系統(tǒng)、人工智能系統(tǒng)、自動控制系統(tǒng)、機(jī)械分揀系統(tǒng)四大模塊。系統(tǒng)軟硬件主要包括光源、鏡頭、工業(yè)相機(jī)、圖像采集卡、控制機(jī)構(gòu)、計(jì)算機(jī)和專門開發(fā)的應(yīng)用軟件組成，用于檢測每個(gè)磁芯的外觀和尺寸測量等參數(shù)。光學(xué)系統(tǒng)主要包括光源、鏡頭和相機(jī)，主要用于采集高精度磁芯產(chǎn)品圖像，光學(xué)系統(tǒng)環(huán)境如圖1。

人工智能架構(gòu)及核心算法是本研究方案的核心，利用現(xiàn)有的人工智能開發(fā)平臺，設(shè)計(jì)實(shí)現(xiàn)深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型，使系統(tǒng)從原來的基于參數(shù)調(diào)節(jié)的圖像分析及缺陷匹配模式，轉(zhuǎn)變成通過自動訓(xùn)練模型并實(shí)現(xiàn)圖像標(biāo)記，從而降低系統(tǒng)調(diào)試難度并極大提高缺陷檢測準(zhǔn)確率。自動控制系統(tǒng)在完成所有的圖像采集和圖像處理工作之后，輸出圖像處理的結(jié)果，并進(jìn)行動作（如報(bào)警、剔除、位移、暫停等），再通過人機(jī)界面顯示生產(chǎn)信息，然后在型號、參數(shù)發(fā)生改變時(shí)對系統(tǒng)進(jìn)行切換和修改工作。機(jī)械系統(tǒng)主要實(shí)現(xiàn)分類功能。研究方案總體架構(gòu)如圖2。

2 基于人工智能的磁芯產(chǎn)品缺陷檢測與分類

2.1 圖像采集與處理

方案利用光學(xué)系統(tǒng)模塊對磁芯產(chǎn)品圖像進(jìn)行采集。光學(xué)系統(tǒng)的成像效果非常關(guān)鍵，缺陷對比度是否明顯，最終決定整體系統(tǒng)的檢測效果，而且不同材質(zhì)的磁芯、不同缺陷檢測需求，光學(xué)成像方案也不同。根據(jù)人工智能算法的特點(diǎn)和磁芯產(chǎn)品缺陷（如崩缺、爆點(diǎn)、漏鍍、暗孔、暗裂等）特征，我們采用色彩信息豐富的彩色成像方案，由彩色工業(yè)相機(jī)+彩色補(bǔ)光LED 燈+彩色底底燈做背景構(gòu)成，經(jīng)過反復(fù)調(diào)試實(shí)驗(yàn)，獲得一組對合金粉材質(zhì)的裸磁成像效果優(yōu)秀的參數(shù)集，取得較高質(zhì)量的磁芯圖像，同時(shí)采用PC 作為處理平臺。依托PC 處理平臺，處理速度快，可運(yùn)行復(fù)雜的圖像處理算法，可帶多個(gè)相機(jī)，可根據(jù)用戶要求自行開發(fā)處理程序和用戶界面。

圖1：光學(xué)系統(tǒng)環(huán)境

圖2：研究方案總體架構(gòu)圖

圖3：機(jī)械分揀系統(tǒng)圖

PC 的作用是執(zhí)行圖像處理及分析軟件，調(diào)用根據(jù)檢測功能所特殊設(shè)計(jì)的一系列圖像處理及分析算法模塊，對圖像數(shù)據(jù)進(jìn)行復(fù)雜的計(jì)算和處理，最終得到系統(tǒng)設(shè)計(jì)所需要的信息，然后通過與之相連接的外部設(shè)備如顯示器、網(wǎng)絡(luò)、打印機(jī)、報(bào)警器、各種控制信號以各種形式輸出檢測結(jié)果及響應(yīng)。

2.2 基于人工智能的磁芯產(chǎn)品缺陷檢測算法及實(shí)現(xiàn)

磁芯產(chǎn)品缺陷檢測采用深度學(xué)習(xí)模型Faster R-CNN。Faster R-CNN 是區(qū)域生成網(wǎng)絡(luò)（RegionProposal Network，RPN）和Fast R-CNN 的結(jié)合，其使用RPN 來替代傳統(tǒng)Fast R-CNN 中的Selective Search 方法獲得候選區(qū)域，并用來訓(xùn)練Fast R-CNN。

RPN 是一個(gè)全卷積網(wǎng)絡(luò)，以任意大小的圖像作為輸入，最后輸出一組矩形候選區(qū)域，每個(gè)候選區(qū)域都有其評分。RPN 網(wǎng)絡(luò)通過滑動窗口的方式實(shí)現(xiàn)候選區(qū)域的選擇，在每個(gè)滑動窗口的位置都生成n 個(gè)候選窗口（不同尺寸，不同寬高比），對于每個(gè)候選窗口，提取其特征，用于檢測和識別。檢測僅區(qū)分候選區(qū)域內(nèi)的特征是前景還是背景，識別則將目標(biāo)位置定位的更加精確。

Fast R-CNN 將圖像和一組候選缺陷圖像塊作為輸入。網(wǎng)絡(luò)首先用多個(gè)卷積和最大池層處理整個(gè)圖像以產(chǎn)生一個(gè)卷積特征圖。然后，對每個(gè)候選缺陷圖像塊，從特征映射中提取固定長度的特征向量。每個(gè)特征向量被輸入一系列完全連接層（Fully Connected，F(xiàn)C），最終輸出到兩個(gè)輸出層：一個(gè)是Softmax 的分類得分，一個(gè)是Bounding-Box 窗口回歸。利用窗口得分進(jìn)行非極大值抑制，剔除重疊候選區(qū)域，最終得到回歸修正后的得分最高的窗口，即為最后的缺陷圖像塊。

實(shí)際操作過程分為訓(xùn)練和識別兩個(gè)階段。訓(xùn)練階段是把訓(xùn)練庫中的每個(gè)樣本分別輸入到Faster R-CNN 進(jìn)行訓(xùn)練，直到網(wǎng)絡(luò)不再變化。識別時(shí)，向訓(xùn)練之后的網(wǎng)絡(luò)輸入樣本圖像，網(wǎng)絡(luò)最終返回一個(gè)缺陷圖像塊的窗口信息。

2.3 磁芯產(chǎn)品分類

具體如表1 所示。

磁芯產(chǎn)品分類主要利用自動控制系統(tǒng)和機(jī)械分揀系統(tǒng)實(shí)現(xiàn)，機(jī)械分揀系統(tǒng)硬件環(huán)境如圖3。

磁芯產(chǎn)品經(jīng)過人工上料后，經(jīng)過圓形振動盤后，經(jīng)過直振導(dǎo)軌后，經(jīng)導(dǎo)向裝置后，到圓形玻璃盤后，經(jīng)光纖傳感器后，依次控制6 個(gè)攝像頭對物件進(jìn)行拍照后，經(jīng)基于人工智能的磁芯產(chǎn)品缺陷檢測算法計(jì)算處理識別物件好壞后，告訴控制板后，控制板根據(jù)計(jì)算機(jī)判別后的結(jié)果控制對應(yīng)的電磁閥動作，將相應(yīng)好壞的物料吹到對應(yīng)的料盒中。主要工作流程圖如圖4。

3 實(shí)驗(yàn)與討論

本研究方案基于人工智能技術(shù)實(shí)現(xiàn)圖像采集、圖像處理，最終完成對磁芯產(chǎn)品的缺陷檢查及自動分類，整個(gè)過程做到了自動化、數(shù)字化、無人化。

本文對相同一組材料（1000 枚）完成檢測，先后采用傳統(tǒng)人工檢查和本系統(tǒng)檢查識別，分別記錄所用時(shí)間和結(jié)果。結(jié)果見表2。依據(jù)表2 中的數(shù)據(jù)可知，本文檢測技術(shù)的效率最高，其時(shí)耗僅為15s，檢測正確率高達(dá)99%；而傳統(tǒng)機(jī)制的時(shí)耗為48s，檢測正確率只有68%。

依據(jù)上述實(shí)驗(yàn)結(jié)果可知，本文所提研究方案的識別精度比傳統(tǒng)機(jī)制要高，而所用時(shí)間卻要少于傳統(tǒng)機(jī)制。

4 結(jié)束語

為了解決當(dāng)前人工檢查方式無法在效率和精度上滿足現(xiàn)代工業(yè)磁芯產(chǎn)品生產(chǎn)檢查需求的問題，本文提出了基于人工智能的磁芯產(chǎn)品缺陷檢測與分類系統(tǒng)，并在軟硬件上進(jìn)行整合實(shí)現(xiàn)。首先在硬件進(jìn)行實(shí)驗(yàn)，篩選出最合適的相機(jī)、光源等視覺設(shè)備，然后經(jīng)過打光方式的反復(fù)實(shí)驗(yàn)，建立起一個(gè)能夠采集出高對比度的采集平臺。然后利用人工智能算法實(shí)現(xiàn)對缺陷的定位、識別，完成視覺檢查，最后加入自動控制系統(tǒng)和機(jī)械分揀系統(tǒng)，能夠滿足現(xiàn)代工程的實(shí)際需求．實(shí)驗(yàn)結(jié)果表明：與傳統(tǒng)的人工檢查方式相比，本研究方案具有更好的精度和更高的效率。

表1：磁芯產(chǎn)品分類

表2：測試結(jié)果

圖4：工作流程圖