← 返回实验室

AI表面缺陷检测光源推荐:打光方案与成像验证

在表面缺陷检测中,光源方案往往比算法更早决定项目成败。同一种划痕在环形光下可能被完全淹没,在低角度条形光下却清晰可辨。传统做法依赖工程师经验反复试错,周期长且难以复用。

本实验室近期围绕"缺陷类型—材质—打光方案"的映射做了阶段性实验:先用小样本采集同一工件在多种光源角度、色温、偏振组合下的成像结果,再以缺陷对比度与背景均匀度作为评价指标,训练一个方案排序模型。输入为工件材质、表面粗糙度、目标缺陷形态(划痕、脏污、凹坑、异色),输出为推荐的前三组打光方案及预期成像指标。

进展与数据:在包含 6 类材质、4 类缺陷的内部数据集上,模型推荐的首选方案与资深工程师最终选定方案的吻合率约为 74%,前三位命中率约 91%;单次打光验证从平均 3.5 轮降至 1.8 轮。

下一步计划:接入成像仿真,在实物验证前先做光路预演,并将偏振与多光谱光源纳入候选空间,进一步压缩现场调试时间。

评论

更多研究动态

查看全部实验室 →