基于STM32微控制器的表面缺陷视觉检测方法

表面缺陷检测是产品质检的重要工序之一，现有深度学习视觉检测大多基于云端服务器，存在模型大、算力需求高、成本高等不足。以STM32微控制器为核心，提出了一种基于轻量化网络的表面缺陷视觉检测方法，采用轻量级SSD作为缺陷检测模型，利用MobileNetV1替换原有的骨干网络VGG-16以减小网络规模；采用INT8量化的训练后量化方法对模型进行计算加速，生成的TFlite模型仅有578 KB，运行占用RAM仅为288.29 KB，并在STM32微控制器中实现了模型的移植和部署。实验测试结果表明，该方法能实现锂电池表面划痕和凹坑两种缺陷的边缘侧准确检测。