針對傳統(tǒng)機器視覺技術在工業(yè)檢測中遇到的瓶頸問題，中科院廣州電子技術有限公司緊跟世界人工智能技術的最新發(fā)展，借鑒吸收該技術在安防、銀行和公安各個領域的研究成果，研究工業(yè)視覺檢測中深度學習技術的應用，自主研發(fā)了高反光微小劃痕人工智能檢測算法，不僅在服務器外觀檢測設備中表現(xiàn)優(yōu)異，而且可以廣泛應用多種工業(yè)產(chǎn)品的外觀檢測，具有廣闊的應用前景。
服務器外觀質量檢測設備由機械手攜帶相機和光源組一起移動拍照，動作靈活，適應性強，能對產(chǎn)品五個面（四個側面和頂面）進行拍照檢測，自身攜帶定位系統(tǒng)，能適應流水線生產(chǎn)帶來的位置和角度偏差。能實現(xiàn)：金屬表面劃痕、臟污，螺釘鉚釘缺陷，機箱絲印缺陷，標簽打印缺陷、傾斜、污點等缺陷檢測，條碼識別與缺陷，多種字體字符識別與缺陷，縫隙寬度，鎖扣鎖緊狀態(tài)，通風口堵塞，VGA口彎針等十多項內(nèi)容的檢測。
創(chuàng)新點：
1、 基于深度學習的高反光金屬表面微小劃痕檢測算法，解決了傳統(tǒng)機器視覺檢測無法適應高反光金屬表面劃痕檢測的難題。
2、 設計了一種針對服務器的位置校準系統(tǒng)，自適應位置偏差，實現(xiàn)服務器流水線生產(chǎn)自動化檢測。
3、 設計了一種基于角點的精準定位算法，解決了在服務器外觀檢測中，常用的形狀匹配等定位方式適應性不強的問題。
4、 設計了一種條碼缺陷檢測算法，解決了因條碼自身不斷變化導致無法檢測的問題。
