蘇州漢特士視覺科技有限公司基于深度學習的缺陷檢測軟件是我司聯合南京大學博士研究生團隊共同研發的一款軟件。目前預期有如下有益效果：

1）可應用于不同工件的缺陷檢測，不受工件本身形狀、位置、花紋、角度等因素的影響；

2）可實現不同缺陷的檢測，不受缺陷的形式、大小、位置等因素的影響；

試錯時間短，在進行應用移植時，僅需要若干張待檢測工件的標準件圖像，通過約4小時的訓練即可獲得與待檢測工件適配的缺陷檢測方法。

3) 該檢測方法具有移植性高，通用性強，試錯時間短、檢測精度高的優點。

針對普通機器視覺檢測的特點是提高生產的柔性和自動化程度，目前在一些不適合人工作業的危險工作環境或人工視覺難以滿足要求的場合，常采用機器視覺來代替人工視覺；同時對于大批量工業生產過程中，因人工視覺檢查產品效率低下且檢測結果的精度較低，也會通過采用機器視覺來達到提高生產效率和檢測精度的目的。

機器視覺檢測設備包括下述結構：1）攝像機，用以捕捉被檢測工件的圖像；2）照明部件，提供照明；3）軟件算法，存儲于可讀存儲介質或存儲器內；4）圖像部件，攝像機將捕捉到的被檢測工件的數字圖像發送至圖像部件，圖像部件的處理器執行存儲在可讀存儲介質內或存儲器內的軟件算法以完成檢測。

因此，一個穩定的軟件算法是獲得理想檢測結果的關鍵。但是因形成工件缺陷的原因各異，使得即便是同類工件，不同工件之間形成缺陷的樣式、位置等也存在較大差異。

目前市場上推出的視覺缺陷檢測算法能夠在部分工件上獲得較為理想的檢測結果，但將其移植到其他工件上應用時則往往出現無法達到預期結果的現象，必須經過多次的迭代試錯，如此一來，給企業增加了時間成本和人力成本。

蘇州漢特士視覺科技有限公司基于深度學習的缺陷檢測方法，是以解決現有視覺缺陷檢測方法在部分工件上可獲得理想的檢測結果，移植至其它工件則無法達到預期檢測結果的技術問題。是一款通用性的檢測軟件，包括一套學習訓練系統軟件，一套在線檢測系統軟件，用深度學習的方式檢測金屬、塑膠、殼類等劃傷、污點、氣泡、異物等表面缺陷檢測系統。

該系統是通過生成對抗網絡獲得標準件數字圖像的分布概率，訓練得到可將隱空間向量映射到標準件數字圖像的生成器G，再通過訓練得到可實現數字圖像到隱空間向量映射的解碼器D，最后將經預處理后得到的被檢測工件二值灰度圖像依次輸入解碼器D、生成器G得到與被檢測工件最接近的最接近標準圖像，利用差影法獲得被檢測工件二值灰度圖像與最接近標準圖像的差異值，通過比較差異值和閾值得出被檢測工件是缺陷件或非缺陷件的判斷；

為了更清楚地說明本系統的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。

以下列出兩例缺陷檢測的原圖和檢測效果圖對比

例1原圖及效果圖：

例2原圖及效果圖：