某飞机厂—水膜智能检测系统

项目背景

在飞机零部件的制造过程中，表面处理工艺起着非常重要的作用，直接影响着零部件的耐久性、功能可靠性及稳定性。公司目前酸洗在内的表面处理工艺，无论是工艺过程中的质量检查点，还是工艺完成后的质量控制点，均为人工经验式判定，主观因素影响较大。酸洗钝化线酸洗过程的质量需通过30s水膜连续性能进行判断，主要以人工判断为主即依靠判断者的经验和认知等，缺乏统一的判断标准。

零件表面水膜破裂处与基体对比度较弱，人眼也难以长期稳定辨识缺陷。反射角度和环境光改变都会带来图像噪声，干扰检测结果。零件表面水膜破裂图像是典型的低信噪比图像信号，可区分性强特征的提取是准确识别其的前提。因此，针对工件表面水膜破裂低信噪比缺陷，通过优化相机和光源的布局，开发基于多机器视觉高效率数据采集系统，获取高质量的缺陷图像数据。并通过图像预处理进一步提升对比度，降低信号干扰的影响，基于此开发出鲁棒性较强的特征提取和缺陷检测技术，是项目的关键技术。

需求分析

通过本项目研究，构建高精准度多机器视觉视场检测系统，实现基于多机器视觉视场协同作用对较大尺寸典型件表面水膜连续检测和判定。研究基于深度学习的水膜连续过程目标检测及语义分割算法，突破原有系统只依靠人工查看表面的水膜连续30s容易漏判或者误判的问题，大幅提升表面处理质量和效率。

分析光源及相机的类型及技术参数配合，结合视场范围、典型件几何特征以及精确度需求，设计工装夹具，构建合理的多机器视觉协同图像采集系统；通过30s 水膜连续检测算法开发、高准确率图像采集、恶劣酸性环境下防腐蚀策略研究和典型件应用验证，解决人工检测效率低、精度差等问题，实现酸洗钝化产线工件表面30s 水膜连续高精度、高准确率检测，提升产品质量和品质。

设计目标

通过飞机厂水膜检测系统的建设，基于多机器视觉视场协同作用对较大尺寸典型件表面水膜连续检测和判定以及研究基于深度学习的水膜连续过程目标检测语义分割算法，提升表面处理质量和效率，最终实现水膜检测的的典型应用。

结合实际的应用，有效提升生产效率、加强生产过程精准控制、促进提质、降本、增效，建立产线的水膜连续检测要求的场景应用，为企业打造基于视觉检测的管控应用，也能进一步提高企业对外宣传展示的能力，拔高企业形象。

应用架构

本系统采用传统算法加AI训练的模式，前期检测过程中，采用传统算法进行图像采集，图像拼接，并辅助判断水膜变化，将最终结果汇总到数据存储模块，并上行到AI训练模块中，进行检测模型搭建，后进模型训练，优化算法等步骤后，开始模型部署，完成传统算法到AI检测的过渡过程。