我把算法课拆成了打光课:AI产品外观缺陷智能检测教研手记

上周三下午,实验室第三组又卡住了。

他们那套YOLO在自建数据集上跑得挺好看,mAP 0.94。可工件往产线工位上一挪,同一条划痕——亮面上啥也看不见,暗面上全是噪点。学生扭头看我:老师,是不是得换个更大的模型?

我说,先把屏幕关了。看灯。

那盏灯,比模型参数更要命

那是个典型的环形光工位。相机正对着冲压件表面,环形光同轴打下来,看着挺规整。问题就在这儿:划痕是方向性的缺陷,正打光等于把它的散射信息全按回去了。镜面反射把相机自己的倒影送回来,划痕和背景的灰度差被压到两三个灰度级。算法再强,也救不了一张没信息的图。

换成低角度掠射光。光源几乎贴着工件表面斜射,划痕的棱边开始发亮。同一台相机,同一个镜头,什么都没改,缺陷对比度上来了。

学生愣了几秒,说了一句让我记到现在的话:老师,这好像不是AI课。

对。这才是我想让他们撞上的那堵墙。市面上讲外观检测的内容,十有八九从数据集讲到网络结构再讲到推理部署,打光的部分一笔带过。可工位上真正决定成败的,往往就是那盏灯的位置、角度和颜色。

机器视觉低角度暗场照明检测划痕光路示意图
机器视觉低角度暗场照明检测划痕光路示意图

先画缺陷,再画光路,网络放到最后

我现在给学生定的顺序是死的:定义缺陷、确定成像方式、光机结构、节拍、剔除机构、数据回流。谁要是先打开Anaconda,我就让他回去画草图。

听起来啰嗦。但你试试让学生用一句话描述“什么叫做有缺陷”。多数人在这一步就塌了。划痕多长算?0.05毫米还是0.2毫米?方向有要求吗?在倒角上算不算?边缘的影子算不算?——这些说不清,数据集就没法标,模型就没法评。

接下来才是能算的东西。课上我给过一道:视野120mm,要求检出0.06mm的划痕,经验上缺陷至少要覆盖3个像素,问相机分辨率下限。学生埋头按计算器:0.06乘3是0.18mm每像素,120除以0.18,六百六十多。我说行,那1280×1024的相机横向是够的,但你得留余量,工件定位有偏差,视野得放大一圈,实际选型按2K更稳。

这里得多说一句,别让学生养成“分辨率越高越好”的习惯。像素上去了,视场小了,景深浅了,镜头贵了,节拍也可能掉。全是取舍。

算完这些,机械设计专业学生的优势才开始显出来:夹具的重复定位精度、工件姿态的稳定性、触发信号的时序。这些东西不解决,同一批工件在图像里的位置和角度天天在飘,模型今天学会了明天就忘。

冲压件外观缺陷检测工位相机光源夹具三维布局图
冲压件外观缺陷检测工位相机光源夹具三维布局图

节拍那块也常翻车。有个组算检测时间200毫秒,产线节拍1.2秒,拍脑袋说余量很大。结果剔除气缸的动作时间、通讯延迟,加上从相机触发到出结果的整条链路,凑起来只剩不到半秒。工件已经在往下走了,这才有人想起来去查气缸的响应时间。

我说,你们把检测当成了“看一眼”,其实它是“看一眼、判一下、动一下”。三件事都得进时间轴。

0.94的mAP,和上线当天爆掉的漏检率

去年一个毕设组,实验室里做得漂亮。白纸垫底,三脚架固定,灯是恒流的,数据集八百多张,各类缺陷齐全,指标很好看。

搬到合作企业的产线上,当天就出事。漏检。而且是那种肉眼一看就有的漏检。

我陪他们蹲了半天,找到了三个原因。产线的振动让相机和光源的相对位置每天都略有不同——支架太单薄了。车间顶灯在工件表面的反光,跟着工人走动而变化。还有就是油污,薄薄一层,正好把暗场照明的效果吃掉一半。

这就是分布偏移。教材上四个字,现场是一整个上午的返工。

还有个细节,漏检集中出现在摆放角度偏得厉害的那一批工件上。训练集里这种姿态少,模型没见过。不是模型笨,是采样的人脑子里压根没有“工件会怎么歪”这件事。

改进动作有三条,都不高级。采集搬去产线,故意把工件摆歪、抹点油、在顶灯全开的情况下拍。把相机、光源、支架做成一体式的刚性单元,减少相对漂移。再就是加一个图像质量自检的小环节,光照均值或对比度掉出范围就直接报警停机,而不是硬着头皮往下判。

学生做完回来跟我说,原来稳定性不是模型给的,是机械结构给的。这句话比任何一份漂亮的实验报告都值钱。

删掉两节课之后

删掉两节课之后
删掉两节课之后

上学期我把课表改了。原来有两节课讲卷积、讲损失函数、讲各种骨干网络。删了。

不是我懒。是我发现,讲完这些,学生能背出结构名字,可一到方案答辩,问“这条线上漏检一次的代价是多少,误检一次的代价是多少”,全场安静。误检大不了人工复检,漏检可能整批货退回来——这两种错的成本结构不一样,阈值就不能用同一把尺子去卡。这是设计问题,不是调参问题。

删掉的时间用来写需求文档和答辩。要求写清缺陷定义、可接受阈值、节拍核算、误检漏检的代价对比、异常处理流程。交上来的东西,头一次惨不忍睹,第三次像样多了。

有个学生的反馈挺扎心:老师,原来最难的不是训练模型,是说清楚什么叫“有问题”。

我认这句话。机械设计在这个交叉领域里的位置,本来就不该是去和计算机专业抢调参的活。我们该做的是:给算法一个稳定的、可复现的成像条件,把检测动作严丝合缝地嵌进生产节拍,然后让整个工位在振动、油污、温差里还能活下来。

也有不服气的。有学生坚持认为算法才是核心,机械只是配角。我不跟他争。我只让他用橡皮筋把相机绑在货架上,拍两百张,跑一遍,看看漏检率。机械的活儿做得糙,算法就要拿几倍的代价去补,还不一定补得上。

灯打对,夹具做稳,节拍算清。剩下的,才是算法的事。

这话我每学期开课都要说一遍。说完总有人不服。没事,等他在工位上蹲过一次就知道了。

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:我把算法课拆成了打光课:AI产品外观缺陷智能检测教研手记
文章链接:https://www.yqhljx.com/list_9/6144.html