1. 案例背景

（1）项目需求

客户想通过机器视觉去检测字符的缺陷，以及识别无缺陷的字符进行结果输出。

● 检测字符的缺陷，发送结果给PLC

● 识别无缺陷字符，发送结果给PLC

（2）项目痛点

每次镭射的字符不相同，使用传统算法检测字符缺陷误判率高，所需的的算子多且整体耗时较长。

2. 方案描述

（1）项目配单表

（2）方案示意图

（3）搭建与调试

● VM搭建流程：

DL字符定位：通过该模块，精准定位出需检测的字符区域，输出目标检测区域供后续BLOB分析和DL字符识别模块订阅。能够减少搜索区域，减少后续模块的算法耗时。

DL图像分割：通过自己训练的模型，然后配置参数检测出前景物体,缺陷会以白斑形式出现，供后续BLOB分析模块订阅。

Blob分析：订阅DL图像分割的缺陷概率图，通过面积以及阈值等条件，筛选符合要求白斑。

条件检测：作为一个总结果的判断，订阅的是BLOB的模块状态。

分支字符：订阅条件检测结果，NG时将通过发送NG结果给PLC。OK时先进行字符识别，识别出当前字符信息，然后将字符信息和OK结果发送给PLC。

● 字符缺陷检测：

使用字符定位工具，定位需检测字符的位置，再使用图像分割工具加BLOB分析工具来检测字符缺陷。如出现字符缺少，留白等现象，图像分割会输出缺陷概率图，缺陷会以亮斑呈现，BLOB分析则会捕获到白色区域，从而输出缺陷的面积，位置。

结论：可满足字符缺陷缺失的检测。

● 字符识别：

字符识别条件检测是使用BLOB分析的状态作为结果判断，当条件检测的结果为OK时，代表该字符无缺陷，通过分支字符进入到字符识别工具进行字符识别，识别字符信息并输出字符结果到PLC。

结论：可满足对无缺陷字符识别的要求。

3、方案优势

（1）与传统算法相比，字符缺陷识别准确率从97%提升到99.5%，字符识别准确率100%。

（2）本方案搭配RTX 2080Ti显卡，方案整体耗时在150ms，能满足客户的节拍需求。