工业品表面缺陷检测技术
在制造商品过程中，表面缺陷的产生是不可避免的。对表面缺陷进行检测，可以有效控制产品质量，分析生产工艺中存在的某些问题，从而杜绝或减少缺陷品的产生。
目前硬盘磁头表面质检环节缺乏智能化检测技术，仍大量依赖人工长时间在高光下观察铝基片表面寻找瑕疵，导致质检效率低下、质检质量层次不齐且成本居高不下的问题。
本竞赛赛题聚焦硬盘部件原材料铝基片表面质检，要求参赛队根据样本数据集开发出高效可靠的视觉质检算法，快速准确地给出铝基片缺陷具体的位置和类别，提升铝基片表面瑕疵质检的效果和效率，降低对大量人工的依赖。
背景意义
面向现代工业信息化需求，我国提出了“中国制造2025”强国战略，其核心方向是智能制造。然而，在制造产品的过程中，表面缺陷的产生往往是不可避免的。表面缺陷不仅影响产品的美观和舒适度，而且一般也会对其使用性能带来不良影响。
为此，企业对产品的表面缺陷检测极其重视，以便有效控制产品质量，并根据检测结果分析生产工艺中存在的某些问题，从而杜绝或减少缺陷品的产生，同时防止潜在的贸易纠份，维护企业荣誉。
磁头是硬盘的核心部件之一，磁头生产分为晶圆（wafer）、滑块（slider）、磁头悬架组件（HGA）和磁头臂组件（HSA）等四个环节。铝基片作为磁头的重要原材料，其质检环节仍大量依赖人工完成，且长时间在高光下观察铝基片表面寻找瑕疵。这样导致质检效率低下、质检质量层次不齐且成本居高不下。铝基片表面质检是行业生产和质量管理的重要环节，也是困扰行业多年的技术瓶颈。
当前铝基片表面自动质检通常采用基于机器视觉的缺陷检测方案。实际生产过程中成像环境复杂、光照干扰强而目标信号弱。传统相机采用CCD或CMOS传感器无法满足当下的缺陷智能质检需求。
如图1所示（传统相机拍的缺陷图，瑕疵从明显到弱小）：
  • 1）当铝基片表面缺陷显著时，传统相机能有效捕捉，如图1-(a)所示；
  • 2）随着铝基片表面缺陷变的弱小，传统相机捕捉缺陷能力越发不足，如图1-(b)所示，点痕隐约可见；
  • 3）当铝基片表面缺陷进一步变的弱小时，如图1-(c)所示，对于0.5um以下的划痕，传统相机无法捕捉到该弱小缺陷。
图1 传统相机拍摄的缺陷图
仿生差分成像技术基于能量差分进行成像，具有大动态范围、少数据冗余等特性，在铝基片等工业品表面缺陷检测任务中具有独特的优势。
如图2所示，展示了图1中的缺陷铝基片在仿生差分成像技术下的成像效果。对于显著缺陷和弱小缺陷，仿生差分相机都能进行有效成像。
尤其在一些具有挑战性的场景下，如图2-(c)所示，传统相机已无法捕捉到铝基片表面微小的划痕，但是仿生差分相机依然能够有效捕获该弱小缺陷。
然而，这种新型仿生成像手段的信号格式与传统图像不同，亟需开发专用的视觉信号处理算法，以促进仿生成像技术在工业智能质检领域的应用，推动“中国制造2025”的发展。
图2 可视化处理后得到的仿生差分相机拍摄的缺陷图
赛题内容
本竞赛赛题聚焦硬盘部件原材料铝基片表面质检，要求参赛队根据样本数据集开发出高效可靠的视觉质检算法，快速准确地给出铝基片缺陷具体的位置和类别，提升铝基片表面瑕疵质检的效果和效率，降低对大量人工的依赖。
赛题描述
1
本竞赛以“铝基片表面缺陷检测”为课题，要求选手开发出高效可靠的计算机视觉算法，提升铝基片表面瑕疵质检的效果和效率，降低对大量人工的依赖。要求算法尽可能快与准确地给出铝基片缺陷具体的位置和类别，主要考察缺陷的定位和分类能力。
2
大赛深入到企业，在产线上架设专业拍摄设备，实地采集生产过程真实数据，解决企业真实的痛点需求。大赛数据覆盖到了生产中常见瑕疵，包括划痕，点，污渍三种缺陷类型。
3
事件信号介绍：区别于传统相机按照固定的曝光时间进行全局成像，仿生差分相机只对动态变化的场景内容作出响应，其每个像素独立异步工作：当一个像素上的光强发生变化且达到阈值，则该像素产生一个事件信号。仿生差分相机没有帧的概念，输出是一段异步稀疏的事件流。以本比赛提供的信号为例，一个事件信号e用一个四元数组(x,y,p,t)表示：e=(x,y,p,t)。其中，(x,y)表示触发事件的像素的空间坐标；p反映事件的灰度属性；t表示该事件发生的时间戳。
数据集说明
本次比赛共提供200段以h5格式（可使用python的h5py库进行解析）保存的事件流数据，既包含缺陷样本数据也包含无缺陷样本数据。其中，训练集（TrainSet）120段，测试集A（TestA）30段，测试集B（TestB）50段。每段事件流持续时间约为7~11秒。
01
训练集：共有120段h5数据，且对其中的每个缺陷样本提供了txt标注文档。每个h5文件包含了4个keys：x、y、p、t。
此数据集中，x表示横坐标（范围：0 ~ 1179），y为纵坐标（范围：0 ~ 799），p表示事件的绝对灰度值，t为时间戳。
每个txt文件包含一个或多个缺陷标注，每一个缺陷标注占用一行。每一行缺陷标注按如下方式表示：‘c,x,y,w,h’。c表示缺陷种类，包含点，划痕，污渍三类，标签与缺陷类型对应关系为：{1:点痕，2:划痕，3:污渍}；x、y代表缺陷检测框中心的坐标信息（以铝基片圆心为原点的平面坐标系），表示缺陷检测框中心与铝基片圆心的相对位置关系（单位为像素），如下图3；w、h代表检测框的宽、高（单位为像素）。
图3
02
测试集A：共有30段h5文件，文件格式和训练集一致。
03
测试集B：共有50段h5文件，文件格式和训练集一致。
大赛时间
大赛分为初赛和决赛两个比赛环节。
初赛时间：2022年8月初-10月07日
决赛时间：2022年11月1日-11月15日
参赛详情将于开赛前在大赛官网及官方公众号发布，敬请关注。
继续阅读
阅读原文