Smart-Inspect：面向工业自动化的智能手机玻璃缺陷微尺度定位与分类
计算机视觉与模式识别
2020-10-05 v1 机器人学
摘要
智能设备玻璃屏幕上存在任何类型的缺陷都会对其质量产生重大影响。我们提出了一种鲁棒的半监督学习框架，用于对智能手机玻璃的 16K 像素图像进行缺陷的智能微尺度定位与分类。我们的模型能够高效识别并标注三类缺陷：划痕、由裂纹引起的漏光以及凹坑。我们的方法还能将缺陷与由灰尘颗粒和传感器区域引起的光反射区分开来，后者被归类为非缺陷区域。与使用主成分分析（PCA）、多分辨率及基于信息融合的算法相比，我们利用部分标注的数据集实现了对缺陷与非缺陷区域的高鲁棒性和优异分类性能。此外，我们在检测框架的不同阶段集成了两个分类器，用于标注并精炼未标注的缺陷。我们成功将检测深度极限提升至 5 微米。实验结果表明，通过识别出被人工检测标记为良品的样品上的缺陷，我们的方法在玻璃屏幕样品质量测试上优于人工检测。
引用
@article{arxiv.2010.00741,
title = {Smart-Inspect: Micro Scale Localization and Classification of Smartphone Glass Defects for Industrial Automation},
author = {M Usman Maqbool Bhutta and Shoaib Aslam and Peng Yun and Jianhao Jiao and Ming Liu},
journal= {arXiv preprint arXiv:2010.00741},
year = {2020}
}
备注
IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2020)