基于深度学习（AI人工智能）技术的机器视觉外观检测系统-GalileoX软件介绍_galileo ai技术原理

制造业是中国工业化的源头，是实现现代化的主力军，在中国每天都要生产大量的工业产品。随着生活品质的提高，对产品质量的要求越来越高，除要求满足使用性能外，还要有良好的外观，即良好的表面质量。不同产品的表面缺陷有着不同的定义和类型，如金属表面的划痕、斑点、孔洞，纸张表面的色差、压痕，玻璃等非金属表面的夹杂、破损、污点，等等。表面缺陷不仅影响产品的美观和舒适度，而且一般也会对其使用性能带来不良影响，所以生产企业对产品的表面缺陷检测非常重视，以便及时发现，从而有效控制产品质量，从而杜绝或减少缺陷品的产生等。

机器视觉是通过光学的装置和非接触的传感器自动地接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置。

机器视觉是一种无任何接触、无任何损伤的自动检测技术，是实现设备自动化生产、智能化生产和带有精密控制的有效方式，具有安全可靠、应范广泛、工作换将要求低可在恶劣环境工作、可不间断连续工作、效率高等突出特点。机器视觉检测系统通过光源和图像传感器(工业相机)获取产品的表面图像，利用图像处理算法提取图像的特征信息，然后根据特征信息对表面缺陷的定位、识别、分类等判定与统计，同时将数据存储、输出、查询等相应的操作。

机器视觉表面缺陷检测系统主要组成包括：图像接收获取模块、图像预处理模块、图像检测分析模块、数据存储管理口模块。在光源的照明下，通过光学镜头将产品表面成像于相机传感器上，光源直接影响到图像的质量，其作用是克服环境光干扰，保证图像的稳定性，获得对比度尽可能高的图像。

机器视觉表面缺陷检测系统在图像预处理模块中，主要对图像去噪、增强、复原、缺陷的检测和目标分割。由于现场环境、工业相机成像差异、图像传输损耗等产生图像噪声，这些噪声降低了图像的质量，对图像预处理和分析带来影响，要对图像进行预处理降低噪声干扰。

机器视觉图像分析模块主要涉及图像的特征识别、特征提取、特征分类。特征提取是从图像的每个像素中识别目标特性区域，把不同分类间的差异区分，提高识别率。表面缺陷检测提取的特征包含：纹理纹路走向类特征、各类带有形状的特征、颜色值特征、变形系数特征等，将提取的特征信息融合区分不同类型的缺陷。

机器视觉应用在工业检测、包装印刷、食品工业、航空航天、生物医学工程、军事科技、智能交通、文字识别等领域。工业检测领域是机器视觉应用中比重最大的领域，主要用于产品质量检测、产品分类、产品包装等，如：电子元器件检测、产品组装环节检测、产品分类识别、产品定位检测、印刷品检测、瓶盖检测、玻璃、烟草、汽车牌照、二维码、条码等识别。表面质量检测系统是工业检测的极其重要的组成部分，机器视觉表面缺陷检测在许多行业开始应用，包含金属、玻璃、印刷、电子、纺织品、零件、水果、木材、瓷砖、钢轨等多种工业及民生行业的生产、加工、包装等工序。

关于需要深度学习表面外观检测软件算法，训练平台。彭先生13175303043（微信pengxu678）