汽车零部件的表面缺陷识别 | 【玩转华为云】

案例内容

同样，汽车工业也是支持开展经济的关键产业，与汽车相关的各种产业也各不相同。汽车行业与我们每个人的安全目息相关。汽车零部件的质量基础是整车，汽车零部件的缺陷检测可以提高汽车零部件的视情检测性。目前人工检测的方式却存在低效率的下息，还可能由于人工造成的安全性导致结果流入下流，造成潜在的风险。

本案例基于检测目标，使用工业相机成像的数据，训练汽车零部件的表面缺陷识别模型，可以检测出汽车零部件（轴承、塞火花和摇）存在的缺陷。

数据集说明

本数据来自工业相机成像。数据集由数据组成：轴承、火花塞和摇把。

表面轴承一共存在四种缺陷：

1、 连接处缺陷： 不同类型三个连接处出现错误， 连接处缺陷

2、直角边缺陷：对合适的产品来说，直角边出现，直角边缺陷

3、空洞缺陷（连接处缺陷）：面对不同类型的连接处出现错误，连接处缺陷

4、毛刺：零件周围出现不规则，毛刺

火花塞一共存在缺陷：

1、纵向度问题：瓷下面的连接与火花塞本身的中心线不平行发生弯曲

2、拔出异常：螺纹丝纹不完整，不顺滑或发现丝纹不完整

3、最佳优势：侧翼与父亲中心严格的技术要求一般是0.6到1.6毫米

摇把一共存在缺陷：

1、颜色缺陷：该零件正常表面为中外表面统一出现其他颜色，生产颜色缺陷

2、划痕缺陷：相对于合格的汽车塑料零件，摇把表面上出现划痕，用于划痕缺陷

3、胆怯：在汽车塑料零件表及外部出现恐慌，不支持部分汽车零件

案例操作步骤

了解过案例的内容和数据集后，下面我们开始案例的操作吧。

1、点击进入汽车零部件的表面缺陷识别，点击“订阅”按钮完成案例订阅，订阅完成后点击“Run in ModelArts”

2、因为本案例需使用GPU运行，所以需要点击右侧“切换规格”，悬着图中的GPU规格，切换即可

3、下载代码和数据集（如果是第一次使用 JupyterLab，可以查看《ModelArts JupyterLab 使用指南》了解使用方法）

4、安装依赖库

5、开始训练，训练时间较长，可能需要20分钟左右

6、模型训练完成后，进行模型测试

可以把其他预测的图片放在src/image文件夹下，进行替换，然后进行预测，到此这个案例就结束了