基于机器视觉的汽车零部件缺陷检测设备

基于深度学习算法和传统视觉算法，针对复杂零件对缺陷类型归类，通过对检测零件整体光学方案的优化处理，依托机构自动调整配合，并采用多相机多任务并行检测处理和自学习方法，将智能视觉与检测机构的创新设计结合，实现了对复杂金属表面缺陷及尺寸全自动可靠检测，并成功应用于汽车刹车零部件生产的终检，有效解决了该类零件自动化检测需求。该全自动智能视觉检测设备成功应用于刹车零部件的成品入库检验，并获得了上汽、上海通用等主机厂的一致推荐，对当前企业生产过程中自动化检测技术具有极大的推广作用。
上海海事大学
朱昌明