AI深度学习/机器视觉在笔记本等3C产品的外观缺陷检测的应用

作为高端电子产品的电脑，外壳具有极强的装饰性，不光机械性能要好，而且外观要求美观。所以对经过机加工和表面处理后的外壳，不允许有黑点、杂点、斑纹、划痕等肉眼所能发现的缺陷。目前，国内有很多厂家在生产该产品，但真正做得好的为数极少，均存在成品率低，废品率高，特别是加工处理后报废量大，造成加工成本大幅提高。

    检测项目-

笔记本外观及内部不良缺陷检测

    检测难点-

    笔记本A面指的是带有LOGO的那个面，屏幕所在这一面一般被称为“B面”，也是人们注视最多的部分；

    C面则承担着布局键盘的功能，D面则是带有电池的那一面。而当笔记本正对着用户的时候，屏幕与键盘对用户而言，构成一台笔记本的主要“颜值”，及主要功能。

需要检测长宽尺寸、翘曲度、平整度、卡钩尺寸等多个项目，精度要求高。

    AI视觉方案-

东声打造的解决方案利用卷积神经模型分割算法识别图像中不同特征信息，实现像素目标分类；通过定位算法识别检测物边缘信息，并获取位置；最后利用AI分类模型对特定区域的图像进行缺陷类别定义，从而实现每个点位的精准检测。

    检测内容-

笔记本外观缺陷；笔记本电脑设备背面的支脚、接口和电池盖缺陷、键盘上字符质量、印刷质量、位置和方向、按键的放置或按键的间距检测。

笔记本内部多种瑕疵包括；主要零件有无、螺丝有无、泡棉有无及偏移、排线插头高度、理线方式、天线接口正负识别。