基于深度學(xué)習(xí)的注塑制品微缺陷快速智能檢測方法初探

孟雨涵 MENG Yu-han；沈天成 SHEN Tian-cheng；譚立 TAN Li；薄康瑩 BO Kang-ying；徐小青 XU Xiao-qing

（常州機(jī)電職業(yè)技術(shù)學(xué)院，常州 213164）

0 引言

隨著國家的發(fā)展，人們的審美眼光和生活水平逐步地提高，對(duì)于日常使用的一些注塑件的要求越來越高，人們不再單單注重注塑件的使用性能，對(duì)于外觀，質(zhì)量也提出了更高的要求。可是在注射成型過程中，存在諸多可控不可控的因素影響，可能會(huì)導(dǎo)致注塑件出現(xiàn)飛邊、熔接痕、短射、氣泡等缺陷，而這些微缺陷使用常規(guī)的人工方法只能模糊地檢測和識(shí)別出甚至根本識(shí)別不出。因此，對(duì)注塑件的微缺陷進(jìn)行精準(zhǔn)的檢測是提高注塑件質(zhì)量的一個(gè)至關(guān)重要的環(huán)節(jié)。

當(dāng)前，在注塑件檢測之中，主要是對(duì)注塑件的表面進(jìn)行檢測，檢查出可能存在的表面微缺陷。而傳統(tǒng)的檢測方法，主要分為人工檢測和非人工檢測兩種方法。但是人工方法由于技術(shù)水平不夠高，影響因素過多等限制，對(duì)于這些微缺陷是很難檢測和識(shí)別完全，同時(shí)人工的效率低下、檢測的效果并不理想、對(duì)于很多的缺陷無法準(zhǔn)確的檢出。因此，這些缺陷的檢測通常就使用非人工的檢測方式。非人工檢測方式中，通常是利用支持向量機(jī)[1]、通過圖像處理算法來提取與識(shí)別[2]BP神經(jīng)網(wǎng)絡(luò)[3]、用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行檢測識(shí)別[4]、使用現(xiàn)有的數(shù)字信號(hào)處理技術(shù)的嵌入式塑料制品表面缺陷在線檢測系統(tǒng)[5]等。這些非人工檢測方式相較于傳統(tǒng)的檢測方式，有著自動(dòng)化程度更高，非接觸等種種優(yōu)勢(shì)，卻對(duì)于專業(yè)人員特征提取和分析這些結(jié)果提出了更高的要求，尤其是當(dāng)圖像含有噪聲等諸多影響的因素時(shí)，對(duì)于特征的分析將會(huì)變得更加困難。盡管現(xiàn)代的檢測技術(shù)對(duì)注塑件表面缺檢測識(shí)別已經(jīng)達(dá)到了一定的技術(shù)水準(zhǔn)，對(duì)于先前的一些痛點(diǎn)和不足已經(jīng)有了相對(duì)應(yīng)的處理方法，但是在注塑件表面微缺陷的檢測這一領(lǐng)域中還有許多尚未解決處理的問題，急需革新出更有效的檢測方法，來盡可能的補(bǔ)足技術(shù)漏洞，完善這項(xiàng)檢測技術(shù)。

1 注塑制品設(shè)計(jì)與微缺陷產(chǎn)生原因

1.1 注塑制品壁厚設(shè)計(jì)策略

注塑制品的壁厚對(duì)塑件質(zhì)量有很大影響，當(dāng)一個(gè)塑件的壁厚設(shè)計(jì)的過于小，在成型時(shí)熔融的塑料收到的流動(dòng)阻力更大，塑件就更加不好充滿，尤其是那些大型的，結(jié)構(gòu)復(fù)雜的，往往就會(huì)出現(xiàn)更多的缺陷；當(dāng)壁厚設(shè)計(jì)的過于大，填充的工作就會(huì)更難完成，同時(shí)，也由于過大的壁厚，材料浪費(fèi)的現(xiàn)象也更為嚴(yán)重。因此設(shè)計(jì)壁厚的最大最小尺寸則應(yīng)滿足以下幾個(gè)要求：①設(shè)計(jì)的尺寸要滿足強(qiáng)度和剛度的需要；②塑件在受到脫模過程中的推出力時(shí)能夠保持原狀；③裝配時(shí)，塑件要足夠承受產(chǎn)生的緊固力。塑料制件規(guī)定有最小壁厚值，它隨塑料品種和塑件大小不同而異。相同的塑料零件的壁厚盡量相同，否則塑件會(huì)因?yàn)闇囟冉档突蚬袒俣炔煌艿讲牧蟽?nèi)部的應(yīng)力影響，導(dǎo)致塑件翹曲、縮孔、裂紋甚至開裂。而在塑件尺寸設(shè)計(jì)中，如果局部的壁厚過打，塑件的表面容易產(chǎn)生凹痕等問題，塑件內(nèi)部會(huì)有氣泡生成。從圖1（a）、（b）和（c）可以看出，圖1（c）的壁厚設(shè)計(jì)方法最合理。

圖1 塑件壁厚設(shè)計(jì)

1.2 注塑制品加強(qiáng)筋設(shè)計(jì)原則

加強(qiáng)筋的主要作用是增加塑件強(qiáng)度和避免塑件變形翹曲。用增加壁厚的辦法來提高塑件的強(qiáng)度，常常是不合理的，且易產(chǎn)生縮孔或凹陷，此時(shí)可采用加強(qiáng)筋以增加塑件強(qiáng)度。從圖2（a）和（b）可以看出，圖2（b）的加強(qiáng)筋設(shè)計(jì)方法最合理。

圖2 塑件加強(qiáng)筋設(shè)計(jì)

1.3 注塑制品微缺陷產(chǎn)生原因

在注射成型過程中，注塑件可能會(huì)出現(xiàn)短射、飛邊、熔接痕、氣泡、裂紋等表面微缺陷。例如，短射一般會(huì)出現(xiàn)在較深、較細(xì)、較長、較薄的部位；短射產(chǎn)生原因有模具結(jié)構(gòu)方面、原材料方面、注塑機(jī)方面、成型操作方面等。飛邊大多發(fā)生在模具的分型位置上，如：模具的分型面、滑塊的滑配部位、鑲件的縫隙、頂桿的孔隙等處；飛邊問題非常重要，如果不及時(shí)解決，將會(huì)進(jìn)一步擴(kuò)大化，從而導(dǎo)致模具形成局部陷塌，造成模具損傷；熔接痕的原因，主要在于型腔，比如像嵌件，孔洞等不連貫的區(qū)域，有一些中斷的區(qū)域會(huì)使得熔融后的塑料以多股分流再匯合的方式進(jìn)行充模，這樣就形成了線狀的熔接痕。氣泡通常是出現(xiàn)在熔接痕交匯處或者制品填充末端；氣泡產(chǎn)生原因是填充的時(shí)候無法排空空氣而形成的，特別于體積較大的制品會(huì)形成較大的氣泡后，在制品破碎后還會(huì)有砰砰的爆炸聲。

2 注塑制品微缺陷檢測方案

2.1 注塑制品微缺陷總體思路

針對(duì)上述問題，迫切需要先進(jìn)的檢測方法，所以我們給出一種將深度殘差網(wǎng)絡(luò)作為基礎(chǔ)的注塑件表面微缺陷自動(dòng)快速檢測方法。該方法僅需要輸入一張?jiān)跈z測注塑件表面之后形成的微缺陷圖形，就可以自動(dòng)地識(shí)別出微缺陷出現(xiàn)的地方和微缺陷類別，不僅能快速地識(shí)別，還有較高的檢出率。具體方案如下：首先，利用注塑成型仿真軟件（如Moldflow）和注塑成型工業(yè)產(chǎn)品，分別對(duì)注塑件表面短射、飛邊、熔接痕、氣泡、裂紋五種類型的微缺陷進(jìn)行收集并產(chǎn)出圖像，同時(shí)進(jìn)行無缺陷仿真，收集真實(shí)圖形；然后對(duì)注塑件表面微缺陷和無缺陷仿真和真實(shí)圖形進(jìn)行歸一化、裁剪和降噪處理。

再對(duì)注塑件表面微缺陷和無缺陷進(jìn)行仿真模擬、將真實(shí)圖形分出出微缺陷和無缺陷兩種，并統(tǒng)一進(jìn)行分類，做上記號(hào)，進(jìn)而組建出注塑件表面微缺陷混合數(shù)據(jù)集；再接下來，設(shè)計(jì)出將深度學(xué)習(xí)的深度殘差網(wǎng)絡(luò)做為基礎(chǔ)的注塑件微缺陷識(shí)別框架；進(jìn)而利用注塑件表面微缺陷混合數(shù)據(jù)集，對(duì)基于深度學(xué)習(xí)的深度殘差網(wǎng)絡(luò)微缺陷識(shí)別框架進(jìn)行訓(xùn)練和驗(yàn)證，直至滿足預(yù)設(shè)識(shí)別精度要求；從而獲得深度殘差網(wǎng)絡(luò)注塑件微缺陷識(shí)別框架模型；最后我們將檢測出的一幅微缺陷圖形輸入到我們得到的模型，得出結(jié)果，其流程圖如圖3所示。

圖3 流程圖

2.2 注塑制品微缺陷檢測所用深度殘差網(wǎng)絡(luò)

設(shè)計(jì)出適用于基于深度學(xué)習(xí)的深度殘差網(wǎng)絡(luò)注塑件微缺陷識(shí)別框架，具體結(jié)構(gòu)如下：輸入圖像為注塑件表面微缺陷或無缺陷圖形，其大小為256×256；卷積運(yùn)算1，其卷積核大小為7×7，特征數(shù)為64，步長為2，輸出圖形大小為128×128；最大池化運(yùn)算，其卷積核大小為3×3、步長為2，輸出圖形大小為64×64；殘差學(xué)習(xí)模塊1，其由兩個(gè)卷積核大小為3×3、特征數(shù)為64的卷積運(yùn)算組成，輸出圖形大小為64×64；繼續(xù)后接1個(gè)殘差學(xué)習(xí)模塊1；殘差學(xué)習(xí)模塊2，其由1個(gè)卷積核大小為3×3、特征數(shù)為128和1個(gè)卷積核大小為3×3、特征數(shù)為128、步長為2的卷積運(yùn)算組成，輸出圖形大小為32×32；殘差學(xué)習(xí)模塊3，其由兩個(gè)卷積核大小為3×3、特征數(shù)為128的卷積運(yùn)算組成，輸出圖形大小為32×32；繼續(xù)后接2個(gè)殘差學(xué)習(xí)模塊3；殘差學(xué)習(xí)模塊4，其由1個(gè)卷積核大小為3×3、特征數(shù)為256和1個(gè)卷積核大小為3×3、特征數(shù)為256、步長為2的卷積運(yùn)算組成，輸出圖形大小為16×16；殘差學(xué)習(xí)模塊5，其由兩個(gè)卷積核大小為3×3、特征數(shù)為256的卷積運(yùn)算組成，輸出圖形大小為16×16；繼續(xù)后接2個(gè)的殘差學(xué)習(xí)模塊5；殘差學(xué)習(xí)模塊6，其由兩個(gè)卷積核大小為3×3、特征數(shù)為512的卷積運(yùn)算組成，輸出圖形大小為8×8；繼續(xù)后接1個(gè)殘差學(xué)習(xí)模塊6；全連接層輸出大小為1×6，其流程圖如圖4所示。

圖4 深度殘差網(wǎng)絡(luò)

2.3 深度學(xué)習(xí)評(píng)價(jià)函數(shù)

將基于深度學(xué)習(xí)的深度殘差網(wǎng)絡(luò)微缺陷識(shí)別框架進(jìn)行訓(xùn)練和驗(yàn)證，選擇交叉熵代價(jià)函數(shù)作為損失函數(shù)，其可以表示為

在式（1）中，p（X）是指注塑件表面微缺陷真實(shí)分布的概率，q（X）是指注塑件表面微缺陷預(yù)測出來的概率估計(jì)。

3 實(shí)驗(yàn)驗(yàn)證

利用注塑成型仿真軟件（例如MoldFlow)和注塑成型工業(yè)產(chǎn)品，分別對(duì)注塑件的表面飛邊、熔接痕、短射、氣泡、裂紋五種類型的微缺陷進(jìn)行圖像的收集，再結(jié)合無缺陷仿真和注塑件的真實(shí)圖形，構(gòu)建出注塑制品表面微缺陷數(shù)據(jù)庫，其部分圖像如圖5（a）和（b）所示。

圖5 部分熔接痕圖像

通過使用深度學(xué)習(xí)方法來訓(xùn)練注塑制品表面微缺陷數(shù)據(jù)集，獲得一個(gè)基于深度學(xué)習(xí)的深度殘差網(wǎng)絡(luò)注塑件微缺陷識(shí)別框架模型，可表示為。將收集到的一幅注塑件表面微缺陷圖形輸入到模型中，可表示為，基本能夠通過與數(shù)據(jù)集中相似數(shù)據(jù)，從而識(shí)別出微缺陷類別。

4 結(jié)論

針對(duì)注塑制品微缺陷，本文構(gòu)建了注塑制品表面微缺陷數(shù)據(jù)集，設(shè)計(jì)了注塑制品表面微缺陷的深度卷積神經(jīng)網(wǎng)絡(luò)，利用深度學(xué)習(xí)方法訓(xùn)練數(shù)據(jù)集，建立卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)標(biāo)準(zhǔn)和機(jī)制，獲得注塑制品表面微缺陷智能識(shí)別模型，實(shí)現(xiàn)了注塑制品微缺陷快速智能無損檢測，方法不僅可行且具有良好的檢測能力，可以隨著檢測數(shù)量的增加從而不斷加深對(duì)注塑制品缺陷的檢測能力。本文所研究的檢測方法，檢測速度依賴于計(jì)算機(jī)與卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算能力，在不分類注塑制品缺陷的情況下，檢測速度達(dá)到預(yù)期標(biāo)準(zhǔn)，發(fā)展出更高計(jì)算能力的計(jì)算機(jī)與卷積神經(jīng)網(wǎng)絡(luò)可能成為今后的研究方向。