top

知識分享

基於增量式YOLO之輪胎氣泡檢測

建立日期：2020/11/16
  • 作者： 雲科大資工系/張傳育、李威億、蘇祐大
  • 出處： 2020 AOI論壇與展覽
  • 內容： 本篇為「2020 AOI論壇與展覽」論文集，摘要如下：

    數位剪像術近年來用於肉眼無法清楚觀察的材質檢測，而輪胎氣泡缺陷也是其中的應用之一。數位剪像術雖然能得到肉眼無法察覺的氣泡圖，但是否為缺陷之輪胎還是得由現場人員判定，而氣泡的判定也會因人員的經驗不同導致判定標準不一。

    因實際用於輪胎廠的品管檢測時常會有一些 AI 模型沒辨識過的新氣泡，而導致模型無法順利檢測出品質瑕疵或良好，在本研究中，我們提出基於增量式 YOLO 架構之氣泡缺陷的檢測技術。我們透過全台灣最大的輪胎製造商獲取資料，先將缺陷分為 6 大類，接著將輪胎影像進行前處理，用來強化不明顯之氣泡並增加訓練資料量，再透過本研究設計的 YOLO 架構進行訓練，產生初始的訓練模型，為了能提升模型檢出率，本文提出一種增量式 YOLO 的方法，能針對初始模型沒看過的氣泡進行小模型的訓練，以增加系統的檢出率。實驗結果顯示，本文對氣泡缺陷檢出率約 98 %無缺陷影像分類正確率約 90%。本文透過此檢測方法，幫助輪胎製造廠商達到半自動化檢測流程及節省人力資源之目的。
  • 檔案下載：全文下載
  • 下載次數：52
回上頁