基于深度智能视觉的表面缺陷检测研究进展

基于深度智能视觉的表面缺陷检测研究在制造业中起着越发重要的作用,本文阐述深度智能视觉的表面缺陷检测在现代工业质检中的重要性,对现有研究进展进行梳理总结。深度智能视觉以机器视觉和深度学习为技术基础,为不同工业场景提供高精高效的表面缺陷检测算法。本文从检测细粒度的角度将表面缺陷检测分为表面缺陷分类、定位、分割检测3个部分,并分别对分类、定位、分割方法进行系统综述,梳理现有表面缺陷检测研究的问题和思路。分类检测针对数据和缺陷图形特征问题进行研究,因其基础性和易拓展性于不同工业场景的应用呈现分散发展;定位检测以模型框架、矩形框检测和标注成本为主要问题,表现出追求轻量化和特征融合机制的研究趋势;分割检测更关注图像细节特征。通过研究分类、定位、分割的多任务模型框架以探索分类、分割检测之间的互补性。最后总结目前表面缺陷检测研究存在的问题,并对发展趋势进行展望。     

5G技术赋能的智能离散制造车间主动调度模式

分析了当前离散制造车间调度模式的不足和面临的挑战，在此基础上，提出一种5G技术赋能的智能离散制造车间主动调度模式，将生产过程的传统被动调度模式转化为“互联-预测-调控”的主动调度模式。针对实际生产中交货期变化、机器故障等异常工况，通过5G技术构建云-边-端协同的车间多源异构数据互联互通体系，打通各层级之间的通信壁垒，实现全生产要素的数据实时感知与互联以及生产指令的上传下达；基于感知数据，采用深度学习等人工智能技术实现车间运行状态与异常事件的精准预测；根据预测结果主动调控生产计划，优化资源配置，构建了云-边-端协同的主动调度机制，实现调度“规则+算法”的混合联动，降低异常事件对生产过程的影响，实现复杂动态制造环境下的车间性能优化。