（一）以基于3D線掃相機(jī)的電池盒缺陷檢測(cè)流程為例

數(shù)據(jù)采集前準(zhǔn)備

檢測(cè)系統(tǒng)包含線掃相機(jī)和機(jī)器人，機(jī)器人按規(guī)劃路徑攜帶線掃相機(jī)運(yùn)動(dòng)，為采集電池盒點(diǎn)云數(shù)據(jù)做準(zhǔn)備。

數(shù)據(jù)預(yù)處理

對(duì)電池盒點(diǎn)云數(shù)據(jù)進(jìn)行無(wú)效點(diǎn)、干擾區(qū)域以及離群點(diǎn)的去除處理。

特征提取與疑似缺陷確定

基于幾何特征方程擬合的方法，提取出剩余點(diǎn)云數(shù)據(jù)中所有的特征點(diǎn)云及其外點(diǎn)點(diǎn)云，進(jìn)而確定疑似缺陷點(diǎn)云。

進(jìn)一步分析疑似區(qū)域

根據(jù)外點(diǎn)每個(gè)簇的質(zhì)心，提取質(zhì)心所對(duì)應(yīng)特征點(diǎn)云局部區(qū)域點(diǎn)云，對(duì)局部區(qū)域點(diǎn)云進(jìn)行幾何方程擬合，提取外點(diǎn)。

缺陷判斷

對(duì)外點(diǎn)進(jìn)行歐式聚類，根據(jù)聚類結(jié)果判斷該疑似點(diǎn)附近區(qū)域是否有缺陷存在。最后使用RANSAC方法對(duì)疑似區(qū)域進(jìn)行第二輪精細(xì)擬合，并對(duì)外點(diǎn)的提取結(jié)果進(jìn)行篩選，確定缺陷的存在。

（二）基于高頻激光線掃相機(jī)的軌道缺陷檢測(cè)流程

數(shù)據(jù)采集

通過(guò)輪式小車的行走，帶動(dòng)激光相機(jī)進(jìn)行移動(dòng)，并在移動(dòng)的過(guò)程中通過(guò)激光相機(jī)對(duì)鋼軌表面進(jìn)行線掃成像，將激光相機(jī)成像生成的深度圖輸入到工控機(jī)中。

數(shù)據(jù)處理與計(jì)算

工控機(jī)中使用三個(gè)線程分別計(jì)算不同的信息。線程1在CPU上實(shí)時(shí)計(jì)算軌道面缺陷面積和深度以及檢測(cè)鋼軌的接縫；線程2統(tǒng)計(jì)輪式編碼器的轉(zhuǎn)數(shù)，計(jì)算行進(jìn)距離是否達(dá)到軌道長(zhǎng)度；然后線程1和線程2的結(jié)果匯總復(fù)核，確定單軌的起始和終止位置。

結(jié)果匯總

結(jié)合線程1的累計(jì)檢測(cè)結(jié)果，統(tǒng)計(jì)匯總記錄單軌總體缺陷面積、深度，分析單軌損傷程度，記錄存儲(chǔ)并輸出結(jié)果到前端頁(yè)面。

二、表面缺陷檢測(cè)的幾種方法

（一）基于二維圖像數(shù)據(jù)的方法

原理

通過(guò)大量的數(shù)據(jù)標(biāo)注和多輪深度學(xué)習(xí)模型訓(xùn)練來(lái)完成缺陷識(shí)別及檢測(cè)。

局限性

需要大量的正樣本和負(fù)樣本，二維圖像中缺陷位置的標(biāo)注非常費(fèi)時(shí)費(fèi)力。對(duì)二維圖像的成像要求非常嚴(yán)格，若無(wú)法保證二維圖像質(zhì)量，則會(huì)對(duì)系統(tǒng)檢測(cè)結(jié)果帶來(lái)極大的影響。且二維圖像中只能進(jìn)行識(shí)別，在無(wú)其它信息輔助的情況下，無(wú)法單獨(dú)進(jìn)行缺陷的精確檢測(cè)和定位。對(duì)于顆粒、工件表面凹坑和凸起這類缺陷，缺陷表面和其他正常區(qū)域表面在二維圖像中的成像一致，沒(méi)有明顯的紋理進(jìn)行區(qū)分。

（二）基于三維點(diǎn)云的方法（以3D線掃相機(jī)檢測(cè)為例）

優(yōu)勢(shì)

三維點(diǎn)云相較于二維圖像，具備深度信息，適用于表面幾何形狀異變類的缺陷識(shí)別和檢測(cè)。

難點(diǎn)

工業(yè)應(yīng)用對(duì)節(jié)拍和精度提出的嚴(yán)格要求與當(dāng)前三維檢測(cè)設(shè)備難以兼顧成像、高頻、高精度、大視野之間存在矛盾；工件的尺寸、紋理、形狀、表面材質(zhì)等特征存在多樣性，難以無(wú)死角全覆蓋地完成工件的掃描；從三維點(diǎn)云中完成不同特征的提取及瑕疵檢測(cè)非常困難，無(wú)法形成一套通用的算法實(shí)現(xiàn)工件的無(wú)差別檢測(cè)；細(xì)小的瑕疵信息與噪點(diǎn)在點(diǎn)云表征形式上非常接近，對(duì)兩者進(jìn)行準(zhǔn)確地區(qū)分存在不小的難度；為了準(zhǔn)確檢測(cè)細(xì)小的瑕疵，需要使得更多的點(diǎn)覆蓋單個(gè)缺陷來(lái)確保穩(wěn)定檢出，需要高分辨率的相機(jī)及參數(shù)設(shè)置來(lái)滿足。

（三）基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的方法（適用于光滑金屬表面缺陷檢測(cè)）

原理

利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)物體表面圖像（如通過(guò)線陣相機(jī)環(huán)繞一周掃描得到的圖像）進(jìn)行分析識(shí)別缺陷，但這里介紹的算法僅適用于光滑表面缺陷檢測(cè)，不保證可用于其他方向。