用于汽车装配线视觉检测的深度学习模型
计算机视觉与模式识别
2020-07-07 v1 图像与视频处理
摘要
汽车制造装配任务建立在视觉检测之上，例如机加工表面的划痕识别、零件识别与挑选等，这些任务保障了产品与工艺质量。这些任务可能与同一条制造线上生产的多于一种类型的车辆相关。视觉检测本质上由人工主导，但近年来已辅以计算机视觉系统（CVSs）提供的人工感知。尽管它们十分重要，CVSs 的精度随环境设置（如光照、外壳和图像采集质量）而变化。这些问题带来了昂贵的解决方案，并抵消了计算机视觉系统所带来的一部分益处，尤其当其与工厂的运行周期时间相冲突时。就此而言，本文提出使用基于深度学习的方法来辅助视觉检测任务，同时在制造环境中留下极少的痕迹，并将其作为端到端工具来简化 CVSs 的配置。所提出的方法通过一条真实汽车装配线上基于目标检测、语义分割和异常检测模型的四个概念验证得以说明。
引用
@article{arxiv.2007.01857,
title = {Deep Learning Models for Visual Inspection on Automotive Assembling Line},
author = {Muriel Mazzetto and Marcelo Teixeira and Érick Oliveira Rodrigues and Dalcimar Casanova},
journal= {arXiv preprint arXiv:2007.01857},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:1802.08717, arXiv:1703.05921 by other authors