电饭煲内胆外观表面缺陷检测采用深度学习的图像检测技术，依靠深度学习算法训练出的检测模型在检测时，模型会根据训练过程中自动学习、自动提取图像特征，结合深度卷积神经网络模型对电饭煲内胆缺陷智能感知，最后给出判断结果。基于机器视觉的电饭煲内胆缺陷检测系统有硬件和软件两大主要部分：
一、硬件部分
硬件部分主要包括带动电饭煲内胆移动的生产线传送带、图像采集设备及机构；
机械结构示意图
二、软件部分
基于机器视觉的电饭煲内胆缺陷检测系统包括：图像采集和图像处理、缺陷分类与判断控制几个步骤。
电饭煲内胆缺陷检测过程框架图
图像处理是电饭煲内胆智能缺陷检测准确性的核心前提条件，针对原始电饭煲内胆缺陷数据为类别不平衡的小样本，利用深度卷积对抗网络（DCGAN）对内胆缺陷数据增强，扩充不同类别缺陷样本数据，克服小样本和不平衡问题；同时考虑到电饭煲内胆生产环境复杂、干扰众多等问题，设计基于邻域连接空间约束的深度卷积神经网络方法，提高内胆缺陷分类方法及缺陷识别准确率；为直观准确地评估电饭煲内胆优良状态，改进网络模型，用于电饭煲内胆进行像素级别的缺陷分割，实现电饭煲内胆缺陷的准确分割，精细刻画缺陷轮廓，充分利用AI等技术对电饭煲内胆表面缺陷进行检测。通过深度学习构建缺陷检测模型，该模型的输入数据即工业快速相机获取的电饭煲内胆图像，经过检测模型的处理之后就会得到缺陷的图像以及缺陷类型等信息。
挫伤及划痕
刷花、刮花图
小麻点图像
电饭煲内胆在工业高度自动化生产过程中，会存在一些瑕疵（次品），如划痕、刮花、碰伤、麻点、堆油等缺陷，而其中的缺陷大部分都是极其微小，甚至是肉眼难以识别的，基于机器视觉的电饭煲内胆缺陷检测可以有效解决了人工检测工作中存在效率低下、检测准确度较低等问题，提升产品竞争力。