由于精密五金加工工藝特殊、零件形狀復雜，表面存在金屬材質紋理、加工殘留紋路以及加工工藝的干擾，如切削液、油污、電鍍、噴砂、氧化處理不良等。這樣的金屬加工件外觀缺陷難以使用普通2D視覺檢測系統進行高效檢測，檢測準確性和檢測穩定性較差、容易誤判。

基于深度學習和3D圖像處理的精密加工件外觀缺陷檢測系統創新性結合深度學習以及3D圖像處理辦法，利用非接觸式三維成像完成精密加工件的外觀缺陷檢測，解決行業當中常規人工檢測手段檢測效率低、漏檢率高的問題，能大幅度提高生產效率，更好地控制生產質量，節約大量的檢測勞動力與人力成本。

創新點一：使用3d圖像深度信息，結合2d圖像處理，與被測對象聯合組成一一對應的缺陷空間，共同識別檢測缺陷，增加缺陷識別檢測的準確性;

創新點二：在實際工業生產場景上應用深度學習算法，提高缺陷識別準確性，簡化調試和使用過程，能夠快速適應各種工藝變化，達到易用易維護檢測效果又好的要求;

創新點三：深度學習應用于3D圖像的分析處理。直接聯通三維圖像數據與深度學習算法，使3D圖像不僅單純用于測量以及一些簡單的有無判斷，而且能應用于外觀檢測，彌補了2d圖像處理信息缺失的不足。

創新點四：豐富的2D/3D圖像軟硬件接口，配合被測金屬五金加工件的形狀、輪廓精度擁有豐富的成像硬件、運動機構以及執行機構的選擇。

基于深度學習和3D圖像處理的精密加工件外觀缺陷檢測系統已經應用于汽車、電子、軍民融合等行業，實現了包括發動機缸蓋、缸體、凸輪軸、手機重要零部件、IC插件外觀檢測、連接器、軍民融合產品的外觀缺陷檢測。檢測效果遠優于傳統的2D檢測，獲得眾多客戶的廣泛認可。

審核編輯：湯梓紅