超快的动态缺陷检查与计算神经形态成像
Shuo Zhu1, Qianfeng Yin2,3, Chutian Wang1
1Department of Electrical and Electronic Engineering, The University of Hong Kong, Pokfulam, Hong Kong SAR, 999077, China.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|September 23, 2025
概括
计算神经形态成像 (CNI) 为制造业提供超快,高动态范围的表面缺陷检查. 这种基于事件的传感器方法克服了传统摄像机的局限性,在具有挑战性的工业环境中实现实时诊断.
科学领域:
- 先进制造先进制造 制造先进制造
- 计算机视觉 计算机视觉
- 传感器技术 传感器技术
背景情况:
- 传统的工业摄像机在非理想条件下与延迟和有限的动态范围作斗争.
- 目前的缺陷检查方法对振动敏感,需要控制的环境.
- 限制阻碍高需求制造业的效率和质量保证.
研究的目的:
- 开发一种用于超快速动态表面缺陷检测的新型检查范式.
- 利用基于事件的传感器来增强缺陷检查能力.
- 解决工业质量控制中传统成像技术的局限性.
主要方法:
- 开发了一种计算神经形象成像 (CNI) 方法.
- 使用基于事件的传感器,具有高时间分辨率和动态范围.
- 实现事件驱动的数据处理,用于实时分析和可视化.
主要成果:
- 实现了超快速检查,在快速运动中提升了300倍的采样时间.
- 在不同的照明条件下,已证明其动态范围超过1万倍.
- 启用了使用事件驱动数据的直接边缘检测和缺陷可视化.
- 通过使用振动来展示增强的结构缺陷检测.
结论:
- CNI提供了一种具有成本效益的解决方案,用于超快速,高动态范围的缺陷检查.
- 这种方法最大限度地减少了实时诊断的感知和计算延迟.
- CNI为各种工业应用和充满挑战的环境提供了优势.
- 这种方法在精密制造中推进了实时检查和智能诊断.


