论文部分内容阅读
现有工业机器视觉设备验证仍主要依赖批量造件,小概率的产品缺陷误判和设备失效风险不容易在投产前被发现和消除。为提升机器视觉系统鲁棒性,充分验证算法和参数不足,需要开发一种可控图像退化模拟系统。此系统能根据工况和设备特性,利用少量样图生成各类具有代表性的退化图像,并对图像退化程度进行精确量化评价。选择评价合适的退化图像对主流机器视觉设备进行鲁棒性验证,从而虚拟但有效地降低设备损坏停机和产品质量风险。另外,对于深度学习视觉应用,此系统也能更贴合工厂环境实现数据增广,优化神经网络模型。