苏州汉特士视觉科技有限公司基于深度学习的缺陷检测软件是我司联合南京大学博士研究生团队共同研发的一款软件。目前预期有如下有益效果：

1）可应用于不同工件的缺陷检测，不受工件本身形状、位置、花纹、角度等因素的影响；

2）可实现不同缺陷的检测，不受缺陷的形式、大小、位置等因素的影响；

试错时间短，在进行应用移植时，仅需要若干张待检测工件的标准件图像，通过约4小时的训练即可获得与待检测工件适配的缺陷检测方法。

3) 该检测方法具有移植性高，通用性强，试错时间短、检测精度高的优点。

针对普通机器视觉检测的特点是提高生产的柔性和自动化程度，目前在一些不适合人工作业的危险工作环境或人工视觉难以满足要求的场合，常采用机器视觉来代替人工视觉；同时对于大批量工业生产过程中，因人工视觉检查产品效率低下且检测结果的精度较低，也会通过采用机器视觉来达到提高生产效率和检测精度的目的。

机器视觉检测设备包括下述结构：1）摄像机，用以捕捉被检测工件的图像；2）照明部件，提供照明；3）软件算法，存储于可读存储介质或存储器内；4）图像部件，摄像机将捕捉到的被检测工件的数字图像发送至图像部件，图像部件的处理器执行存储在可读存储介质内或存储器内的软件算法以完成检测。

因此，一个稳定的软件算法是获得理想检测结果的关键。但是因形成工件缺陷的原因各异，使得即便是同类工件，不同工件之间形成缺陷的样式、位置等也存在较大差异。

目前市场上推出的视觉缺陷检测算法能够在部分工件上获得较为理想的检测结果，但将其移植到其他工件上应用时则往往出现无法达到预期结果的现象，必须经过多次的迭代试错，如此一来，给企业增加了时间成本和人力成本。

苏州汉特士视觉科技有限公司基于深度学习的缺陷检测方法，是以解决现有视觉缺陷检测方法在部分工件上可获得理想的检测结果，移植至其它工件则无法达到预期检测结果的技术问题。是一款通用性的检测软件，包括一套学习训练系统软件，一套在线检测系统软件，用深度学习的方式检测金属、塑胶、壳类等划伤、污点、气泡、异物等表面缺陷检测系统。

该系统是通过生成对抗网络获得标准件数字图像的分布概率，训练得到可将隐空间向量映射到标准件数字图像的生成器G，再通过训练得到可实现数字图像到隐空间向量映射的解码器D，最后将经预处理后得到的被检测工件二值灰度图像依次输入解码器D、生成器G得到与被检测工件最接近的最接近标准图像，利用差影法获得被检测工件二值灰度图像与最接近标准图像的差异值，通过比较差异值和阈值得出被检测工件是缺陷件或非缺陷件的判断；

为了更清楚地说明本系统的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

以下列出两例缺陷检测的原图和检测效果图对比

例1原图及效果图：

例2原图及效果图：