科创中国

行业领域

高新技术改造传统产业,先进制造技术

需求背景

公司生产阀门，产品铸件较多，铸件内部如砂眼等缺陷比较不易发现。

目前在工业领域，铸件产品内部缺陷检测是生产过程质量检测的重要一环，通常采用射线成像技术对铸件产品内部信息拍片，之后由经验丰富的工人根据片子对铸件产品内部缺陷判读。但是，数字射线图像的缺陷评判需要具有资质的技能工人才能完成，培养技能工人需要耗费大量的时间和金钱同时，伴随生产力的发展，铸件产量的增加，对评片效率提出了更高要求。随着人工智能技术的发展，基于数字图像的深度学习神经网络算法在无损检测领域中承担起越来越重要的任务。

需解决的主要技术难题

现有技术通过检测人员制定检测工艺实现铸件检测，检测光路的布置严重依靠检测人员知识贮备与经验，检测图像评价靠检测人员，检测图像质量与评价受主观影响严重，检测效率和检测一致性不高。大量的评片工作易导致技能工人的疲劳，极易导致误判、漏判等人为误差。

期望实现的主要技术目标

1.智能化检测铸件内部质量，判定铸件内部缺陷存在与否、铸件缺陷的位置、铸件缺陷等级等等并能在检测过程中中实现对结构较复杂的产品缺陷精确控制。

2.云平台服务器，对铸件产品原始灰度图像进行预处理，使得原始灰度图像的对比度达到要求，即得到预处理后的图像；将预处理后的图像输入卷积神经网络模型CNN，进行缺陷筛选，判断预处理后的图像中是否含有缺陷。

3.将判定为含有缺陷的图像，输入到带有感兴趣区域的卷积神经网络模型 RCNN，对有缺陷的图像中的缺陷定位，并标注缺陷所在位置的最小框图，实现缺陷定位。

4.提取缺陷定位后最小框图内的图像，输入深度学习神经网络模型DNN，进行缺陷分类，得到缺陷的类型。

处理进度