关于深度学习软件在工业缺陷检测中若干点拾遗

关于深度学习软件在工业缺陷检测中若干点拾遗

**1、**关于检测的产品表面的清洁度
①产品取图是啥样就是啥样，不做任何处理。----此点存疑
②让验证阶段的产品处理检测流程与最终设备设计的处理流程一致
③让产品的表面洁净度达到最高，即想方设法将产品弄干净，达到理想状态。----此点存疑

比如对于一般塑料件外观而言：

注：对于②中所述，即在验证阶段就应该将设备设计人员邀至现场共同探讨，对这一种产品在设计设备时能实现哪些处理手段
①气枪吹气
②粘性薄膜粘
③用无尘布蘸酒精之后擦拭
（在合适的成本与较容易实现的前提下）然后在验证阶段采取相同的处理手段对产品进行处理

注：对于③中所述的理想状态，应该是这样一种情况：OK产品表面干净无暇，一丝干扰也没有；NG产品表面只有人眼所看到的那种瑕疵，其他的啥也没有。即OK产品与NG产品对比十分明显（此处的OK与NG与为工厂检测员所判断的OK与NG）

同时需要注意到的是：选择产品训练的是软件而不是人，所以在选产品时应时刻铭记，我们是在训练软件而不是在训练人。
这就要求在选产品时量一定要大。
各种类型的OK产品，各种类型的NG产品，先由人工挑选收集，在后续盲检中也应同时收集。

**2、**关于传统图像处理软件与深度学习软件
对于大部分缺陷检测项目，在要求不高（良率不高，产品不甚复杂，检测逻辑不甚复杂，CT要求不高）的情况下，以传统的图像处理软件（VisionPro，Halcon、OpenCV）来实现完全是绰绰有余，特别是