基于计算机视觉与归一化流的缺陷检测
计算机视觉与模式识别
2022-02-15 v4
摘要
视觉缺陷检测对保障大多数产品质量至关重要。然而，多数中小型制造企业仍依赖繁琐且易出错的人工目检。主要原因包括：1）现有自动化视觉缺陷检测系统需改造生产装配线，耗时且昂贵；2）现有系统需人工收集缺陷样本并标注，以供基于比较的算法或训练机器学习模型使用。这为中小制造企业带来沉重负担，因为缺陷不常发生且收集困难、耗时。此外，我们无法穷尽收集或定义所有缺陷类型，因为任何偏离合格品的新异表现均为缺陷。本文克服这些挑战，设计了一套三阶段即插即用全自动化无监督 360 度缺陷检测系统。系统中，产品自由放置于未改造的装配线上，并接受来自不同角度多相机的 360 度视觉检测。因此，从真实产品装配线采集的图像含大量背景噪声；产品朝向各异；产品尺寸因距相机远近而不同。这些都令缺陷检测更难。我们的系统运用目标检测、背景减除与基于无监督归一化流（normalizing flow）的缺陷检测技术应对上述困难。实验表明，我们的系统在真实未改造饮具生产装配线上可达到 0.90 AUROC。
引用
@article{arxiv.2012.06737,
title = {Computer Vision and Normalizing Flow-Based Defect Detection},
author = {Zijian Kuang and Xinran Tie and Lihang Ying and Shi Jin},
journal= {arXiv preprint arXiv:2012.06737},
year = {2022}
}