随着科技的不断进步，各种工业设备、电子设备日趋机电一体化，设备的运行和控制基本由电子器件实现，电子器件通过功耗会产生大量的热，这些热不及时散掉,很容易烧毁电子器件和电路。一旦机电一体化设备的电控部分不能工作，轻则影响主体设备运行，重则造成设备损坏和经济损失，甚至是人员伤亡事故。

散热风扇，作为风冷散热的有效工具之一，其成本较低且效果明显，广泛用于多种需要散热的设备上，常见的例如电脑、汽车等都需要散热风扇进行散热，维持一定的温度水平以确保系统的运行性能和可靠性。

散热风扇由于其辅助设备的“地位”，常常被人们所忽视，重点关注主体设备的运行状况，许多研究工作也集中在主体设备的故障诊断和状态评估上。但散热风扇在整体系统中扮演着重要的角色，对其进行状态监测也同样重要，风扇一旦出现故障,将直接影响设备的安全正常运行。

近年来，随着人工智能技术的迅速发展以及现代企业中设备的不断大型化、规模化，AI智能人工检测已经成为主流发展趋势。引入人工智能算法,通过其自主学习和获取诊断信息的能力，进而对故障进行实时诊断。

DLIA工业机器视觉平台基于深度学习的机器视觉表面缺陷检测方法能够自动从表面缺陷图像中获取不同尺度和不同级别的特征，只用少量的训练数据就可以实现对工业产品表面缺陷的实时分割与检测，很好地契合了生产企业对于产品表面质量检测的高要求。

今天我们就给大家分享一些运用DLIA工业检测平台完成的“小风扇”缺陷检测案例。