某飛機廠—水膜智能檢測系統
項目背景
在飛機零部件的制造過程中，表面處理工藝起著非常重要的作用，直接影響著零部件的耐久性、功能可靠性及穩定性。公司目前酸洗在內的表面處理工藝，無論是工藝過程中的質量檢查點，還是工藝完成后的質量控制點，均為人工經驗式判定，主觀因素影響較大。酸洗鈍化線酸洗過程的質量需通過30s水膜連續性能進行判斷，主要以人工判斷為主即依靠判斷者的經驗和認知等，缺乏統一的判斷標準。
零件表面水膜破裂處與基體對比度較弱，人眼也難以長期穩定辨識缺陷。反射角度和環境光改變都會帶來圖像噪聲，干擾檢測結果。零件表面水膜破裂圖像是典型的低信噪比圖像信號，可區分性強特征的提取是準確識別其的前提。因此，針對工件表面水膜破裂低信噪比缺陷，通過優化相機和光源的布局，開發基于多機器視覺高效率數據采集系統，獲取高質量的缺陷圖像數據。并通過圖像預處理進一步提升對比度，降低信號干擾的影響，基于此開發出魯棒性較強的特征提取和缺陷檢測技術，是項目的關鍵技術。
需求分析
通過本項目研究，構建高精準度多機器視覺視場檢測系統，實現基于多機器視覺視場協同作用對較大尺寸典型件表面水膜連續檢測和判定。研究基于深度學習的水膜連續過程目標檢測及語義分割算法，突破原有系統只依靠人工查看表面的水膜連續30s容易漏判或者誤判的問題，大幅提升表面處理質量和效率。
分析光源及相機的類型及技術參數配合，結合視場范圍、典型件幾何特征以及精確度需求，設計工裝夾具，構建合理的多機器視覺協同圖像采集系統；通過30s 水膜連續檢測算法開發、高準確率圖像采集、惡劣酸性環境下防腐蝕策略研究和典型件應用驗證，解決人工檢測效率低、精度差等問題，實現酸洗鈍化產線工件表面30s 水膜連續高精度、高準確率檢測，提升產品質量和品質。
設計目標
通過飛機廠水膜檢測系統的建設，基于多機器視覺視場協同作用對較大尺寸典型件表面水膜連續檢測和判定以及研究基于深度學習的水膜連續過程目標檢測語義分割算法，提升表面處理質量和效率，最終實現水膜檢測的的典型應用。
結合實際的應用，有效提升生產效率、加強生產過程精準控制、促進提質、降本、增效，建立產線的水膜連續檢測要求的場景應用，為企業打造基于視覺檢測的管控應用，也能進一步提高企業對外宣傳展示的能力，拔高企業形象。
應用架構
本系統采用傳統算法加AI訓練的模式，前期檢測過程中，采用傳統算法進行圖像采集，圖像拼接，并輔助判斷水膜變化，將最終結果匯總到數據存儲模塊，并上行到AI訓練模塊中，進行檢測模型搭建，后進模型訓練，優化算法等步驟后，開始模型部署，完成傳統算法到AI檢測的過渡過程。
