吴晓燕，梁 栋

(1.南京科技职业学院智能制造学院，江苏 南京 210048；2.江苏理工学院机械工程学院，江苏 常州 213001)

0 引言

智能检测是实现工业4.0的重要基础。随着图像处理技术、机器人技术、人工智能等重要领域的技术突破与交叉融合，检测设备与检测算法也不断更新[1-2]。作为一种新型材料，永磁铁氧体被广泛应用于汽车电机、扬声器、智能家具或水泵中。其中，铁氧体湿压磁材性能要求最高，尤其体现在外形加工尺寸和产品一致性上。然而，铁氧体坯件在制造过程中易在侧面出现裂纹、在上下表面出现缺陷，甚至因压力过大或者过小出现起层或缺角现象。高质量的坯件应保证表面光滑、无全缺陷或裂纹，故对于铁氧体表面缺陷检测的研究日趋重要，主要集中在检测算法和检测设备两方面。

对于检测算法可以参照参考文献[3]～参考文献[5]的研究，上述方法大多无法对缺陷分类，且抗扰能力弱，检测精度低。近些年来，深度学习在表面缺陷检测的研究上异军突起，受到了国内外学者的热捧[6-7]，但是这些算法对硬件性能要求过高且不稳定，暂时不利于工业推广。对于检测设备的开发，国内部分磁材企业仍处于人工检测阶段，检测效率低下、检测精度不高。国外部分企业(如日本TDK、韩国SK等)已开发出立方体形磁片自动检测设备，但其技术对国内封锁。

本文在前期研究[8]的基础上，创新性地设计了一种基于SCARA工业机器人的永磁铁氧体湿压磁材表面缺陷检测系统，并采用高性能的表面缺陷检测算法去检测铁氧体的缺陷特征。……