石鑫华视觉
漆包线外观缺陷检测视觉方案
视频解说
漆包线外观缺陷检测视觉方案B站
漆包线是线缆领域一种比较常见的产品，也有很多的类型，有截面有圆形的，也有长方的，大小粗细也有所不同。包漆的颜色也有不同，不过主要是以铜色的油漆为主。生产时主要是以卷为包装单位，这种类型的，一般可以在生产过程中检测；也有可能是制作成一些特殊的形状，如一些导电连接线，通常用于汽车、变压器等桥接位置。漆包线的外观缺陷检测主要撞伤刮伤、掉漆、异色等缺陷类型。一般的缺陷可能都会比较大，但是也不排除非常小的缺陷。如果是有比较小的缺陷检测，那么可能落实下来就比较难，大一些的缺陷总是会容易检测一些。对于那些在生产中加工成卷的产品，可能相对更好检测一些，因为在加工过程中，运动检测时的产品基本上是一样的，只检测局部表面，打光拍照都要容易一些。而对于那些异型的桥接件，则需要整个零件表面静态检测，打光拍照相对来说，要更难一些。漆包线缺陷检测整体上来看其实也是比较难的，特别是对于一些长方条形的产品，在一些倒角位置也会有缺陷时，打光并不是太好处理。然后对于表面一些细小的划伤，和本身的纹理存在干扰，也不是太好解决。
各种漆包线（图片源于百度搜索截图）
机器视觉光源
产品本身通常都是非常细长的，所以一般是在加工过程中连续检测局部表面，所以可以拍摄比较小的表面，例如几毫米到十几毫米的样子。这种小范围，一般可以考虑环形光源，条形光源或半圆形光源。实验使用的光源是RLM-7460-R：
RLM-7460-R
光源控制器
因为使用的是常规的小功率的环形光源，所以一般的模拟控制器、数字控制器都是可以使用的，这里可以考虑高性价比的MAPSM-2424-2CH，当然，如果要落实，需要连续检测，还是需要有比较高的亮度，尽量降低相机的曝光时间，那么可以考虑频闪控制器、爆闪控制器。
MAPSM-2424-21CH
工业相机
产品虽然很长，但是一般是考虑使用局部拍照的解决方案，照顾一些常规大小的缺陷面积，以及检测速度效率，可以考虑500万像素级别工业相机。然后需要在生产过程中连续检测，则需要使用全局CMOS或CCD的芯片，可以考虑MER2-503-23GM这样500万级别的工业相机。
MER2-503-23GM
工业镜头
因为拍摄局部表面，面积相对比较小，只有几毫米或十来毫米，那么考虑使用1倍或0.5倍的远心镜头可能会比较理想。或者是使用50mm的FA镜头加接圈来实现。整体成本上也只有几百块钱的差异，不会有太多成本差异。
图像处理算法
传统的算法对于这些缺陷来说，可能就会有些适应能力不够的问题。当然，对于已知图像中的缺陷，多少还是有办法能检测出来缺陷的，如可以考虑使用粒子分析、轮廓曲率分析等，但是这些算法可能对于很多其他表面的不同大小的缺陷，通用性会比较差，调试难度会比较高。而如果使用深度学习的方式，则整体系统的成本上升比较高，客户不一定能接受。而且深度学习，因为打光问题，也不能保证100%的检测出所有的缺陷。
机器视觉项目实现难度
★★★★★
外观缺陷类的检测，相对来说都是比较难处理的，即使现在说的深度学习、人工智能等发展比较快，但是仍然不能和人眼相媲美。很多产品的缺陷检测，需要在灯光下将产品倾斜在不同的角度位置下才能看到缺陷，并不能在一个固定的角度看一眼就能发现缺陷。如果是需要这样晃动产品的检测方式，那么在机器视觉领域也就基本上不可能实现了，就算想办法实现，那个成本、效率也是非常低下的。