密封圈作為一種具有良好性能的密封材料，在工業(yè)領域具有極其廣泛的應用，在汽車、船舶、管道、家用電器等多行業(yè)都能看見它的身影，廣闊的市場需求促就密封圈產業(yè)的蓬勃發(fā)展。

　　密封圈屬于大批量生產，在生產過程中難免會出現(xiàn)瑕疵品，因此需要對密封圈的質量進行檢測。而機器背光模組自動檢測AOI技術正適用于大批量且檢測內容單一的測量、檢測和識別環(huán)節(jié)，所以許多密封圈生產廠家引進機器背光模組自動檢測AOI技術，實現(xiàn)對密封圈的高效缺陷檢測。

產品外形復雜，缺陷檢測面臨挑戰(zhàn)

　　密封圈作為工業(yè)生產十分關鍵的機械設備零部件，為了實現(xiàn)密封圈與密封部件之間的完全貼合，需要其表面光滑，嚴禁出現(xiàn)裂縫、暗紋等瑕疵。但密封圈產品外形復雜，各種形狀、款式、大小、材質數(shù)不勝數(shù)，缺陷類型也十分多樣，包括裂紋、沙眼、起皮、飛邊、變形、氣泡等等，嚴重影響密封圈的密封性能。

　　基于機器背光模組自動檢測AOI技術的密封圈缺陷檢測，就是借助機器背光模組自動檢測AOI檢測軟件，處理和分析工業(yè)相機采集的密封圈內外臺階與側壁圖像，根據(jù)分析的結果產生具體的報告信息，并利用結果控制生產和待測物體的運動。

　　但密封圈同種缺陷類型之間形狀各異、顏色深淺不一，同時還存在缺陷微小成像不明顯等情況，導致傳統(tǒng)機器背光模組自動檢測AOI較難準確判定，密封圈缺陷檢測面臨挑戰(zhàn)。因此，越來越多的密封圈廠家在傳統(tǒng)機器背光模組自動檢測AOI技術中融合深度學習算法，實現(xiàn)更高精度、更高效率的密封圈缺陷檢測。

堅持研發(fā)投入，賦能缺陷檢測

　　通過深度學習+傳統(tǒng)機器背光模組自動檢測AOI技術對密封圈進行缺陷檢測，以神經網(wǎng)絡為基礎，通過訓練神經網(wǎng)絡對各類缺陷進行細節(jié)信息的學習，并建立包含缺陷特征的深度學習模型。除此以外，深度學習技術還能從復雜背景中快速且精準識別密封圈的缺陷類型，并穩(wěn)定檢出成像不明顯的細小裂紋和起皮，以實現(xiàn)缺陷的快速識別與檢出。

　　隨著我國工業(yè)制造產業(yè)轉型升級的加速，許多制造企業(yè)正在面臨需求多樣化、制造工藝復雜化、質量和效率要求提升、用工成本增加以及市場競爭加劇等諸多挑戰(zhàn)，機器背光模組自動檢測AOI創(chuàng)新技術與產品的出現(xiàn)，使得各行各業(yè)都有著更加光明的前景。也將持續(xù)探索“傳統(tǒng)機器背光模組自動檢測AOI+深度學習”技術，堅持創(chuàng)新驅動，賦能制造企業(yè)數(shù)智化轉型升級加速。