Surface defect detection on automation parts based on neural networks

Abstract

In the last decade, the use of Artificial Intelligence has become one of the most promising research areas for the detection of surface defects. As far as industrial applications are concerned,they are particularly interesting for automated visual quality inspection. They allow the inspection system to learn to detect the surface defect simply by showing it a series of exemplaryimages. This document describes the process followed for the Master’s Thesis, which consistsof the detection of surface defects in automation parts based on neural networks. Investigatingdifferent architectures to implement the most efficient one and using methods such as dataaugmentation to achieve better results.

In den letzten zehn Jahren hat sich der Einsatz von künstlicher Intelligenz zu einem der vielversprechendsten Forschungsbereiche für die Erkennung von Oberflächenfehlern entwickelt. ImHinblick auf industrielle Anwendungen sind sie besonders für die automatisierte visuelle Qualitätskontrolle interessant. Sie ermöglichen es dem Inspektionssystem zu lernen, den Oberflächenfehler zu erkennen, indem ihm einfach eine Reihe von Beispielbildern gezeigt wird. Indiesem Dokument wird der Prozess beschrieben, der für die Masterarbeit verfolgt wurde, dieaus der Erkennung von Oberflächenfehlern in Automatisierungsteilen auf der Grundlage neuronaler Netze besteht. Es wurden verschiedene Architekturen untersucht, um die effizientestezu implementieren, und Methoden wie die Datenerweiterung eingesetzt, um bessere Ergebnissezu erzielen.