AI产品外观缺陷检测:一道划痕怎么变成课堂上的设计题

上学期第九周,周三下午,实训室B203。

一个学生举着手机中框走过来,语气挺平静:“老师,它说这个是良品。”

我凑过去看。屏幕上一块灰白的判定框,稳稳地圈住了壳体右下角那道拉丝划痕。置信度那一栏,数字很高。

问题不在模型上。我心里很清楚。

问题在那个铝型材拼的支架上。三分钟前,隔壁组把背光板借走了,临时垫了张A4纸。

先别调模型,先问缺陷长什么样

机械设计方向的学生,一拿到AI产品外观缺陷检测这个题目,第一反应几乎都是:写代码。找数据集,搭网络,跑训练。他们把它当成算法作业。

我第一节课就把这个念头按住了。

我给他们布置的第一个任务跟算法毫无关系——去废料箱里翻十件废品,拿游标卡尺、放大镜、一把强光手电,把它们分类,写一份缺陷特征清单。

结果很乱。有人写了“划痕,长度约2mm”。我问他:深度呢?边缘是锐的还是钝的?反光是镜面的还是发散的?他答不上来。

这就是卡点。

机械设计训练出来的人,思维惯性是给一个数。尺寸公差、形位公差、粗糙度,都是数。可外观缺陷有一大半不是数。色差是反射率随波长的变化,缩水痕是曲率突变导致的镜面反射方向偏转,毛刺是边缘的局部点云凸起。它们只有在特定的光照角度下才“可见”。

换句话说,你定义的不是一个几何量,而是“在某种观测条件下它是否出现”。这个转换,很多学生要过两三次作业才能转过来。

手机中框CNC加工毛刺与划痕缺陷实物样品分类图
手机中框CNC加工毛刺与划痕缺陷实物样品分类图

光源那一块,我讲得比较慢。环形光、同轴光、条形低角度、穹顶漫射——名字听起来像五金店,其实每一个背后都是几何关系。同一道浅划痕,用低角度条形光打,阴影拉出来,对比度能翻好几倍;换成同轴光,它直接就消失了。

所以打光不是“照亮”,是“把缺陷从背景里挑出来”。选光源,本质上是选一个让目标特征与背景在灰度上分得开的几何配置。这话我在课上重复过很多遍。

还有成像几何。工作距离、视场、景深、像元分辨率,这几个量互相咬。学生第一次算的时候,把CCD靶面尺寸和镜头焦距搞混,算出来的工作距离是一米二,实际装上去对不上焦。我不急着纠正,让他们自己装一次,自己发现问题。装不上,比我讲十遍都管用。

卡在夹持上的那一次

去年有个组的方案,图纸画得真漂亮。

六轴机械臂上料,转盘分度,三个工位分别做正面、侧面、底面成像。评图的时候我给的分不低。

做出来,一件都测不准。

排查了一下午。不是相机,不是光源,不是算法。

是定位基准。他们把真空吸盘的吸附面,选在了壳体的外观面上。吸附的瞬间,薄壁壳体轻微翘曲,反光面的法线偏了一两度。

就那么一两度。成像对比度掉下去了,划痕在图像里淡成一片。

这个事我后来越想越觉得有教学价值。外观检测的定位基准,原则上应该避开被检测面。或者用软接触、多点柔性支撑,把夹持应力分散掉。学生之前学过“基准要统一”,但那是在尺寸链的语境里,没人告诉他们外观面本身是脆弱的测量对象。

改法不复杂。两侧边定位,底部三个聚氨酯支撑点,吸附力降下来,加个压力表看着。再测,稳了。

这组的复盘报告里有一句话,我印象很深:“原来精度不是相机分辨率给的。”

对。是零件、光、镜头三者的相对位置稳定性给的。

工业视觉检测工作台相机镜头光源机械结构三维装配模型图
工业视觉检测工作台相机镜头光源机械结构三维装配模型图

判定阈值,该由谁来定

判定阈值,该由谁来定
判定阈值,该由谁来定

学生特别迷恋准确率。九十九点几,恨不得再往上拱。

我告诉他们:产线上没人这么想。

漏判和误判的代价是不对称的。一件划痕流到客户手上,可能是一次客诉、一批退货、一次审厂整改。而误判一件良品,无非是复检一次,或者直接报废一件。这两个数差得远。

所以我们课上加了一个环节:让他们自己去找(找不到就假设)单件成本,算一个期望损失,反推阈值该落在哪儿。

这就是设计取舍。跟调参是两回事。

我还有个有点固执的要求——把判定阈值写进机械图纸的技术要求栏里,跟形位公差排在一起。学生一开始觉得很怪,阈值怎么会出现在图纸上。后来慢慢习惯了。因为它本来就是设计输出的一部分,你选了这个光源、这个工作距离、这个分辨率,阈值就是被这些条件绑定的。

顺便说,我还讲过一句可能有点绝对的话:一个外观检测工位,七成的问题出在光和机构上,剩下三成里才有一部分归算法。学生听了不太服气。等他们自己踩过几次坑,就服了。

还没做好的那部分

还没做好的那部分
还没做好的那部分

教学上的调整,其实就一件事:把视觉从计算机课里搬出来,塞进机械设计的实训里。代价是我们得补光学。补得不深,够用就行——朗伯面、镜面反射与漫反射的区别、余弦辐射。两三节课的事。

学生反馈里出现频率最高的一句是:“原来打光比模型重要。”

这话对一半吧。成像和模型其实是耦合的,光打不好,再好的模型也救不回来;但光打得再好,模型太蠢也白搭。先让他们把这句记着,挺好。

失败的地方也有不少。

上学期想上三维点云做高度类缺陷,设备只有一台,排不上队,最后只能做2D。讲到高度检测那部分,全靠PPT。效果一般,我自己讲得也没什么劲。

还有一处我一直没解决好——怎么让学生对“外观”建立起量化直觉。尺寸量得出来,粗糙度有仪器,但“这道划痕算不算严重”,标准在不同人手里飘。我现在用的办法是让学生自己做一套缺陷标准样件,拍照存档,互相校核。有点笨,进度也慢。但目前还没找到更省事的替代方案。

如果哪位同行有更好的做法,我是真想听听。

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。如有侵权请联系删除。
文章名称:AI产品外观缺陷检测:一道划痕怎么变成课堂上的设计题
文章链接:https://www.yqhljx.com/list_9/6074.html