工業(yè)AI視覺系統(tǒng)以深度學(xué)習(xí)提升圖像處理水平，覆蓋多領(lǐng)域缺陷檢測場景

工業(yè)AI視覺系統(tǒng)能夠在工業(yè)環(huán)境中進行缺陷檢測、視覺分揀、物流公報、拆碼垛、工業(yè)上料等應(yīng)用。

目前，機器視覺技術(shù)的發(fā)展已經(jīng)深入各個行業(yè)，尤其在成品質(zhì)量缺陷檢測方面變得越來越關(guān)鍵?；跈C器視覺的缺陷檢測通過圖像處理算法，處理產(chǎn)品制造過程中可能存在的缺陷或不良品，該技術(shù)能夠替代人工視覺檢測，并提高檢測的效率和準確性，為相關(guān)制造企業(yè)實現(xiàn)降本增效。

深眸科技以機器視覺和深度學(xué)習(xí)算法為核心不斷優(yōu)化，自主創(chuàng)新構(gòu)建工業(yè)AI視覺系統(tǒng)解決方案落地主流工廠生產(chǎn)線，持續(xù)保證對相關(guān)產(chǎn)品的質(zhì)量控制。

工業(yè)AI視覺系統(tǒng)在缺陷檢測場景的應(yīng)用

工業(yè)AI視覺系統(tǒng)結(jié)合人工智能和圖像處理技術(shù)，通過圖像預(yù)處理、標注、訓(xùn)練等方式，快速識別破損、尺寸不標準、圓形度不良、 邊緣缺損或凸起、臟污、劃痕和表面殘留污等多種缺陷，快速提高產(chǎn)線自動化、智能化程度及檢測效率。

深度學(xué)習(xí)技術(shù)，進一步提高缺陷圖像處理水平

在制造業(yè)中，缺陷檢測是產(chǎn)品質(zhì)量控制的重要環(huán)節(jié)，基于機器視覺的缺陷檢測技術(shù)能夠檢測金屬制品、塑料制品、玻璃制品等各種產(chǎn)品，并檢出包括表面劃痕、凹陷、氣泡、裂紋等瑕疵，助力企業(yè)提高產(chǎn)品質(zhì)量，降低產(chǎn)品不良率。

在缺陷檢測過程中，常用的圖像處理技術(shù)包括數(shù)字圖像處理技術(shù)和機器視覺技術(shù)。數(shù)字圖像處理技術(shù)主要針對數(shù)字圖像，包括圖像的增強、濾波、分割和取樣等處理技術(shù)。而機器視覺技術(shù)則是基于數(shù)字圖像中的分割和模式識別，針對現(xiàn)有場景中的圖像進行應(yīng)用分析。

工業(yè)AI視覺系統(tǒng)通過搭載深度學(xué)習(xí)技術(shù)，能夠進一步提高圖像處理的技術(shù)水平，該技術(shù)的引入還為缺陷檢測帶來了新的機遇，通過學(xué)習(xí)大量的歷史數(shù)據(jù)和模式，實現(xiàn)在更大范圍內(nèi)、更高效率下發(fā)現(xiàn)潛在的缺陷。

同時，深度學(xué)習(xí)作為基于神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)方法，其核心是神經(jīng)網(wǎng)絡(luò)模型，通過深度神經(jīng)網(wǎng)絡(luò)模型能夠?qū)υ紨?shù)據(jù)進行自動學(xué)習(xí)提取特征、建立復(fù)雜特征、學(xué)習(xí)映射并輸出，還能處理大規(guī)模的數(shù)據(jù)，并通過對大量樣本的分析和學(xué)習(xí)，自行判斷產(chǎn)品是否存在質(zhì)量缺陷，實現(xiàn)缺陷檢測精準度和效率的提升。目前，深眸科技自主創(chuàng)新構(gòu)建的工業(yè)AI視覺系統(tǒng)解決方案已在主流工廠中實現(xiàn)1000+生產(chǎn)線部署的落地應(yīng)用。

工業(yè)AI視覺系統(tǒng)，覆蓋多個領(lǐng)域的缺陷檢測場景

在缺陷檢測領(lǐng)域，機器視覺可以應(yīng)用于多個行業(yè)，包括3C電子、木材、汽車、醫(yī)藥、新能源等，而不同行業(yè)的缺陷檢測目標也各不相同。

3C電子領(lǐng)域

在工業(yè)領(lǐng)域，精沖件所采用的精沖工藝精度較高、產(chǎn)生的缺陷尺寸通常比較微小，同時精沖過后進行的銑床加工會在產(chǎn)品表面留下大量明顯的銑痕，呈現(xiàn)出和缺陷相近的特征，從而影響缺陷的準確分辨。

針對精沖件工藝精度高、產(chǎn)品表面殘留大量銑痕以及缺陷特征相似等問題，深眸科技通過自研的工業(yè)AI視覺系統(tǒng)，以高效算法、快速識別、精準檢出等優(yōu)勢，為精沖件缺陷檢測案例提供技術(shù)支持。

工業(yè)AI視覺系統(tǒng)通過多尺度特征融合訓(xùn)練與小目標缺陷檢測技術(shù)，能夠?qū)⑽⑿〉娜毕莩叽缣卣鬟M行放大處理，將微小缺陷的檢出率提升至99%以上；還可以針對銑床加工后的痕跡具有統(tǒng)一方向性的特點，采用AI技術(shù)學(xué)習(xí)銑痕特征，生成對抗神經(jīng)網(wǎng)絡(luò)進行銑痕缺陷背景融合，將背景類缺陷紋理的抗干擾識別能力泛化性提升20%。

木材領(lǐng)域

在木材行業(yè)，傳統(tǒng)的木材表面缺陷檢測方式已經(jīng)無法滿足日益增長的檢測需求，許多木材企業(yè)采用AI機器視覺技術(shù)，實現(xiàn)對木材表面快速且穩(wěn)定的檢測。該技術(shù)不僅克服了傳統(tǒng)檢測效率低、缺陷檢出率低、勞動強度大等弊端，而且加速提升了木材加工企業(yè)生產(chǎn)線的智能化程度。

針對木材作為天然材料缺陷種類多、同種缺陷特征差異大等問題，工業(yè)AI視覺系統(tǒng)基于AI+機器視覺技術(shù)，能夠?qū)崟r檢測木材表面缺陷，快速識別并保存數(shù)據(jù)。

該系統(tǒng)從工業(yè)相機拍攝的圖像中提取信息，進行處理并加以理解，再通過AI算法對大量圖像樣片的學(xué)習(xí)，建立深度學(xué)習(xí)模型，提高了對圖像的分析能力，從而能夠分析更復(fù)雜對木材缺陷進行圖像檢測，并實現(xiàn)自定義木材新的缺陷類型。通過對信息的處理與理解，該系統(tǒng)能夠?qū)⑿畔鬟f給機械臂等外部執(zhí)行機構(gòu)，進行缺陷木材的剔除，從而保障木材出廠質(zhì)量的合格。

隨著工業(yè)AI視覺系統(tǒng)的持續(xù)升級與落地部署，基于深度學(xué)習(xí)技術(shù)的缺陷檢測也得到了更廣泛的應(yīng)用。未來，隨著技術(shù)的不斷進步，我們將持續(xù)鉆研深度學(xué)習(xí)技術(shù)在工業(yè)檢測領(lǐng)域的應(yīng)用，并致力于取得更大的突破，為視覺應(yīng)用平臺的開發(fā)提供更全面、高效的質(zhì)量保障手段。