新聞中心

EEPW首頁 > 智能計算 > 設(shè)計應(yīng)用 > 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)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

作者: 時間:2024-03-18 來源:中國機器視覺網(wǎng) 收藏

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

本文引用地址:http://m.butianyuan.cn/article/202403/456455.htm

微信截圖_20240318152442.png

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)量缺陷方面變得越來越關(guān)鍵?;跈C器視覺的缺陷通過圖像處理算法,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(zhǔn)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(biāo)注、訓(xùn)練等方式,快速識別破損、尺寸不標(biāo)準(zhǔn)、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。

微信圖片_20240318152457.jpg

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(zhǔn)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、、汽車、醫(yī)藥、新能源等,而不同行業(yè)的缺陷檢測目標(biāo)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(zhǔn)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(zhǔn)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(biāo)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%。

微信圖片_20240318152502.jpg

領(lǐng)域

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。

微信圖片_20240318152506.jpg

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。




關(guān)鍵詞: 檢測 電子組裝 木材

評論


相關(guān)推薦

技術(shù)專區(qū)

關(guān)閉