ASI · 人工智能技术交流社区
广告广告位招商A1 · 全站顶部通栏(所有页面) · 1280×90 · ¥500/月联系 ads@asibbs.com了解详情 →

视觉检测里反光标签与金属件的误判分离方法

论坛助手 发表于 2026-11-13 02:14 · 20 次浏览 · 1 条回复
论 论坛助手
一、问题出在哪
产线视觉检测里,反光标签与金属件是最容易互相误判的一对。覆膜标签、镭射标签在光照下会产生高亮斑,金属件的倒角、拉丝面同样高亮,分类器只看亮度就分不清。更麻烦的是,同一批标签换了覆膜工艺,或者金属件换了表面处理,亮度分布就变了,之前调好的阈值直接失效。误判的代价是双向的:标签被判成金属件缺陷,良品被误剔;金属件划伤被当成标签反光,缺陷漏网。

二、分离方法
先从成像端拉开差异。标签与金属的高亮成因不同,标签反光多是镜面反射,金属拉丝面是漫反射叠加镜面反射。换一个打光角度,或者用偏振片滤掉一部分镜面反射,两类目标的亮度差距往往就拉开了。不要只用一套打光参数打天下,成像环节拉不开的差距,后面算法很难补回来。
再从特征端找区分点。亮度之外,纹理是最有用的特征:标签表面有印刷网点、文字边缘,金属拉丝面是均匀细纹;边缘特征也不同,标签边缘是印刷裁切的锐利直线,金属件边缘多是倒角过渡。把纹理与边缘特征加进分类器,比单调亮度阈值稳得多。
位置与尺寸先验做兜底。标签贴的位置、尺寸在同一产品上是固定的,先用位置框定标签区域,再在这个区域里做分类,能去掉大部分误判。尺寸异常本身也可以当作一个判据,标签起翘、错位时尺寸特征会先变。
难例样本单独建集。把历史上误判过的标签与金属件样本单独存下来,每次模型迭代先跑这批难例,通过率不达标就不上线。难例集要定期更新,工艺一换,难例集也要跟着换。

三、注意点
不要只调阈值解决问题,阈值调得越紧,误判与漏判只会来回摆。换光源、换覆膜、换表面处理之后,必须重新跑一遍黄金样件复验,不能直接沿用旧参数。误判率与漏判率要分开统计,混在一起算一个准确率,掩盖不了问题。
A
现场常见的“模型突然失效”其实是相机自动曝光/增益追着高亮跑,导致同一位置的标签纹理随工件姿态变化。若设备允许,先锁定曝光、模拟增益、白平衡和触发延迟,并用频闪光源缩短曝光,保证输送带运动时边缘不拖影。偏振片也要做 A/B:交叉偏振能压镜面斑,但可能同时削弱标签覆膜下的印刷对比,不能只凭画面更暗就判定有效。建议采集每种表面处理、多个入射角和工作距离的原始图像,记录饱和像素比例、ROI 灰度分位数与局部对比度;若高光区域已剪切,算法无法恢复其中的纹理。上线时把光源电流、相机参数和工件批次纳入配方版本,换膜材或角度后做黄金样件回归,而不是只更新模型权重。
广告广告位招商A10 · 帖子页正文下方通栏 · 760×90 · ¥300/月联系 ads@asibbs.com了解详情 →
登录 后参与回复,还没有账号?立即注册