检查车辆外部部件

一段时间以来，我们经常被要求对车辆外部部件进行检查。

然而、

• 这是一种弧形和多面的检查，设置起来可能相当麻烦。
• 可见缺陷的照明条件几乎只限于 "旁边的照明反射"。
• 高光泽度。也有带金属涂层的梨形。

困难程度非常高，根本无法竞争，比如说

我们已经找到了一种通过设计灯光使缺陷可视化的方法，但图像相当不稳定，我们还没有找到判断它们是好是坏的方法。(我们将避免在我们的博客上公布这些图像，因为我们在这里有专门的知识）。

在这种情况下，我抱着微弱的希望进行尝试，认为深度学习也许能够从不稳定的图像中只提取缺陷。

• 摄像机和物体之间的位置关系是不同的。(如果所有的部件都可以由一个共同的人工智能引擎来检查，就有可能处理多种类型和表面）。
• 对有缺陷的图像的缺陷部分进行注释（标记），这个过程对不到100张图像来说持续了大约一个小时。
• 针对异物和不平整的漆面（细微的表面不规则）。

的 "我们暂时先打一打吧。我认为这是不可能的。"第一个叫 "我认为不可能。

但是...

• NG图像中的所有缺陷区域都被检测出来。(这包括用于训练的图像）。
• 在OK图像中，大约70%的像素是 "OK "的。这里和那里有一些小的过度检测的像素，原因并不清楚，但也有 "你也发现这些东西吗？"这个层面的 "意外缺陷"。也有 "你也发现这些东西吗？"这个层次的 "意外缺陷"。如果实施 "置信度 "和 "面积 "的阈值，希望可以抑制过度检测。

结果是。'不可能'的结果。

最初，我们想在一个展览上揭开它的面纱，但展览被取消了。我们很肯定的是，我们很高兴我们没有向缺陷可视化的诀窍开放。

如果你有兴趣，请告诉我们，我们将把 "原始图像 "和 "检测结果 "发送给你。