质检大江湖，终是无监督
时间:
2022-05-20 00:00:00.000
工业的江湖，总是风云莫测，波谲云诡。
近期，产品质量管理体系遇上了大难题：
作为产品正式投入市场应用前最后一道屏障的缺陷检测，
他罢工了！！
原因无他，全因缺陷产生太随机。
缺陷种类的多样性、缺陷形态的不确定性等问题，
常常导致缺陷检出难度较大，
缺陷检测自认为应付吃力。
传统的机器视觉前辈大佬们针对这个问题，也没少出主意。
例如，给缺陷检测添加不同的图像算法，
但这随之而来的是缺陷检测的消化不良，
调参难度急剧上升；
再例如，
请深度学习前辈前来帮衬指导。
然而在深度学习的有监督方案中，
往往需要大量的缺陷样本，
才能达到产线的检出标准，
极大增加了前期图像采集难度及标注耗时。
整个方案部署过程中，
模型迭代周期长，
容易拉长整个项目周期。
往白了说，
耗时耗力，不是一笔非常适合的买卖。
在众人焦头烂额之际，
江湖新星汇川视觉，
将我仔细开发，举荐而出。
没错！
我，也是一种算法
但我是仅需无缺陷正样本训练的异常检测算法
我的名字，
叫无监督异常检测。
不要998，不要么么哒，
仅需收集正常生产中产线上的正样本
即可实现大部分异常缺陷的检出；
针对一些仅靠正样本无法检出的特殊或微弱缺陷，
我也可以提供有监督的加训方案，
且不影响原方案效率。
我领导的方案们，
可以适配产线上良率高的特点，
大大降低了产线上图片收集的难度；
我对缺陷的依赖性很低，
一般生产过程中产品出现异常，
只要与实际训练正样本不一致，
均可实现检出；
我还内置有监督加训方案，
可以在标注少量样本的情况下，
达到实际产线的检测精度要求。
我的突然出现，使得江湖掀起惊涛骇浪。
众人的抬爱与青睐，
也使得我近来一时风头无两。
在大家的强烈要求下，
我向大家隆重介绍一下我领导的整体方案流程：
整体方案流程
（1） 产线完成训练正样本的收集，在凤麟深度学习平台上根据指引完成模型的训练。
（2） 使用产线上的缺陷及正常样本验证模型精度，精度验证通过即可正常使用。
（3） 若精度验证不通过，则增加相应误检图片或标注漏检图片进行补充训练，直至验证通过。
将我开发并举荐的汇川视觉，
针对公开缺陷检测数据集
及实际生产环境下的缺陷检测项目数据集
进行了方案效果验证，
均达到了不错的检测效果。
例如，
在产品放置较整齐、一致性较高的公开图集上，
仅靠正样本即可实现缺陷的100%检出，
同时定位精度高达99.8%。
我与江湖中诸位好友们的配合也极为默契，
这里以织物与泡罩机老兄的缺陷检测为例：
实际项目典型案例>>
01 织物表面缺陷检测
织物图集背景存在旋转情况，但也属于背景一致性较高的场景，且该图集下背景上存在的干扰较少，因此仅使用正样本就可实现明显缺陷99%以上的检出率，误检率低于1%。对于扭曲等微弱缺陷，进行一定量的标注训练后，也可达到相同的效果。
01
02
02泡罩机缺陷检测
泡罩机图集的一致性相对不高，且背景上存在较多的非缺陷的异常，因此在仅正样本且正样本数量不足时，存在背景误检较高（10%）、微弱缺陷无法检测的问题（检出率90%）。在加大正样本数量，同时补充微弱缺陷标注样本加强训练之后，即可达到误检低于1%、检出率达到99%以上的效果。
我的强大功能，
很好地应对了因工业制造领域的多样性、
生产环境的复杂性、产品缺陷的非标性等因素
给机器视觉在缺陷检测的实际应用带来的挑战，
极大缩减了模型迭代周期，
为项目的高效率交付保驾护航。
我与缺陷检测，
相辅相成，互相成就，
我希望有我的工业江湖，
从此不再孤独。
关键词：
热线：
地址：
江苏省南京市江宁区创研路266号麒麟人工智能产业园A1号楼9F/10F
关于我们
汇川视觉以先进的图像处理算法及AI技术为核心，结合自研相机、工控机、光学设计等产品和技术，打造国内杰出的视觉零部件产品、智能相机及面向各行业的视觉系统解决方案，与汇川控制类产品强强组合，共创工业生态。
TP行业
硅晶行业
手机行业
锂电行业
医药&印刷包装行业
食品饮料行业
新闻资讯
培训公告
产品信息
人才招聘
服务支持
联系我们
汇川视觉
法律声明 | 版权所有：南京汇川工业视觉技术开发有限公司