吴华运,任德均,付 磊,郜 明,吕义昭,邱 吕

(四川大学机械工程学院,四川 成都 610065)

0 引 言

随着现代工业技术的快速发展，注塑空瓶在生产效率上有了巨大的提升，然而效率的提高也带来许多的产品质量问题。注塑空瓶在生产制造过程中会出现诸如瓶身划痕、缺料、孔洞、砂眼、污渍等缺陷，如图1所示。这些缺陷不仅会影响产品外形包装的美观，而且还会影响产品的销售和使用。因此，对瓶体表面进行缺陷检测，有着重要的意义。传统的检测往往由人工来完成，工作量大、劳动强度高，容易受到检测人员主观因素的影响，存在检测效率和检测精度低等缺点。基于机器视觉的检测技术由于检测精度高、速度快等优点已经被应用在瓶体表面缺陷检测领域。

图1 空瓶表面不同缺陷类型

在过去的几年中，传统的缺陷检测算法已经被广泛应用于工业产品质量检测。然而，传统检测算法多基于手工特征提取的方法，特征提取算子提取的特征通常处于较低水平，在针对复杂的场景变化，如光照变换、透视失真、遮挡、物体变形等情况下，所提取的特征通常很难用于缺陷分类和识别，因此许多算法在实际环境中并不适用。

深度学习，特别是卷积神经网络，其特征提取器和分类器可以从输入图片本身进行端对端的训练。与传统表面缺陷检测算法相比，深度学习目标检测算法可以通过卷积神经网络对瓶体缺陷图片进行学习，自动地从图像中提取缺陷的特征，具有学习能力强且识别精度高、速度快等众多优点。……