基于机器视觉的光栅表面缺陷检测系统开发的任务书.docx

基于机器视觉的光栅表面缺陷检测系统开发的任务书
任务书
项目名称：基于机器视觉的光栅表面缺陷检测系统开发
项目背景：随着工业自动化的不断发展，人工在生产线上的作用逐渐减小，自动化设备成为生产过程中关键的组成部分。其中，光栅设备在解决生产线自动化过程中起着重要的作用，但在光栅表面生产中难免会出现缺陷，这些缺陷可能由于多种原因产生，如材料质量、制造工艺、人工操作误差等，这些缺陷若无法及时检测可能会对产品的质量、造价等造成很大的影响，因此光栅表面缺陷检测系统的开发具有非常重要的应用价值。
项目目标：本项目旨在开发一套基于机器视觉的光栅表面缺陷检测系统，实现对光栅表面缺陷的自动检测功能。
项目实现条件：具体实施条件如下：
1.硬件条件：本项目需要一台数字相机或者工业相机进行图像采集；
x64类型计算机运行环境，四核至少3.4GHz以上的CPU；
16GB及以上内存；
1TB及以上硬盘；
NVIDIA显卡（GTX1050Ti4GB及以上）。
2.软件环境：项目所涉及的软件依赖如下：
VisualStudio2017及以上；
Python3.x；
Opencv4.5及以上版本；
Pyqt5；
Tensorflow2.x；
Keras；
函数库：numpy、matplotlib、pil等。
3.技术方案：
本项目主要采用如下技术方案：
（1）图像处理算法：涉及到图像识别、特征提取等技术，应用scala、SIFT、KAZE算法等对光栅表面进行
物体识别及表面缺陷提取；
（2）深度学习模型：通过卷积神经网络（CNN）搭建图像分类模型，训练模型对光栅表面缺陷类型进行分类；
（3）用户交互界面：系统开发结束后，采用Pyqt5等技术构建用户交互平台
任务分配：
1.图像处理算法：张三
2.深度学习模型训练：李四
3.系统框架开发及Pyqt5开发：王五
每周会有一次组员汇报，各组员需要按照进度报告的要求进行汇报，并根据后续的讨论协调工作进度，确保项目的顺利完成。
项目成果：
该项目的最终成果为基于机器视觉的光栅表面缺陷检测系统，能够自动检测出光栅表面的缺陷，并分类报告缺陷的类型及情况。
时间安排：
本项目的总时长为4个月，按以下时间安排：
第一个月：系统需求分析及技术实现方案设计，确定各组员工作任务及分工；
第二至三个月：系统开发工作，涉及图像处理算法实现、深度学习模型训练、Pyqt5开发，按计划进行并及时排查和解决问题，确保系统顺利开发；
第四个月：进行系统测试并对相关问题进行解决，测试反馈信息及问题解决情况的总结分析；
总结汇报：总结整个项目的开发过程及收获，撰写技术文档并对外发表。
项目经费及支持：
本项目的经费总额为45000元，其中硬件设备采购费用为15000元、软件开发费用为20000元、人工费用为10000元.
支持方：教育部人才发展基金
参考资料：
1.李航.统计学习方法:清华大学出版社,2012.
2.AndrewNg.机器学习:北大出版社,2017.
签名：（甲方）：（乙方）：