Gaano karaming papel ang maaaring gampanan ng AI at machine vision sa inspeksyon ng hitsura?

Patuloy na hinahabol ng industriya ng pagmamanupaktura ang paggawa ng mekanisado at mataas na kahusayan, at unti-unting inilalantad ng mga tradisyonal na visual inspection system ang kanilang mga limitasyon. Kapag nahaharap sa pagtuklas ng kumplikado, hindi regular, at maliliit na depekto sa hitsura, ang kumbinasyon ng machine vision + AI deep learning ay nagiging isang mahalagang tool para sa bagong henerasyon ng automated na kontrol sa kalidad. Kaya paano mo makukuha ang kumbinasyong ito? Ang sumusunod ay magbibigay ng malalim na pagpapakilala sa machine vision adoption.Nagbibigay-daan sa iyo ang smart camera detection na madaling maunawaan ang application ng deep learning sa detection.

Mula sa 'nakikita' hanggang sa 'maiintindihan': Binabago ng malalim na pag-aaral ang pagtuklas ng hitsura

Ang tradisyunal na visual na inspeksyon ay umaasa sa mga nakapirming panuntunan, gaya ng grayscale, contrast, edge at iba pang mga algorithm upang matukoy kung ang isang produkto ay kwalipikado. Gayunpaman, para sa mga produktong may hindi regular na hugis ng depekto, kumplikadong mga texture o malakas na interference sa background, ang pamamaraang ito ay kadalasang madaling kapitan ng hindi nakuhang pagtuklas o maling paghatol, na malubhang nakakaapekto sa pagiging maaasahan ng pagtuklas.

Ang malalim na algorithm ng pag-aaral ng mga smart camera ay natututo ng mga depekto sa paraang 'binatay sa data.' Sa pamamagitan ng pagsasanay sa isang malaking bilang ng mga sample na larawan, matutukoy ng modelo ang mga kumplikadong hugis ng depekto, maliliit na pagbabago at maging ang mga abnormal na texture, na nakakamit ng tunay na 'maiintindihan' na matalinong pagkilala.

Record ng Application: Shell Scratch Detection sa 3C Electronics Industry

Kung isasaalang-alang ang mga kumpanya ng pagmamanupaktura ng 3C electronics, palaging may mga masakit na punto sa inspeksyon sa ibabaw pagkatapos ng pag-injection ng mga casing ng mobile phone: mayroong iba't ibang uri ng mga gasgas, at ang ilang maliliit na gasgas ay napakalapit sa mga normal na texture. Ang kahusayan ng manu-manong inspeksyon ay mababa, ang rate ng maling pagtuklas ay mataas, at ang mga tradisyonal na visual algorithm ay mahirap na matukoy nang matatag.

Inirerekomenda namin sa mga negosyo ang paggamit ng mga smart camera + deep learning visual algorithm solutions, na nilagyan ng mga high-resolution na pang-industriyang camera at AI training platform. Maaaring kumpletuhin ang pagsasanay sa modelo gamit lamang ang daan-daang mga annotated na larawan. Sa aktwal na pag-deploy, ang rate ng katumpakan ng pagkilala ay umabot sa higit sa 98%, at ang maling rate ng alarma ay nabawasan sa mas mababa sa 2%, na epektibong nagpapabuti sa antas ng automation ng buong linya.

Bakit angkop ang malalim na pag-aaral para sa pagtuklas ng depekto?

Malakas na kakayahang umangkop: kayang hawakan ang mga kumplikadong background at hindi nakaayos na mga depekto, tulad ng mantsa ng langis, mga hukay, mga gasgas, atbp.

Mas kaunting mga panuntunan: Hindi na kailangang manu-manong magtakda ng kumplikadong lohika ng pagtuklas, na binabawasan ang oras ng pag-debug.

Patuloy na pag-aaral: Patuloy na natututo ang modelo at patuloy na ino-optimize ang performance ng pag-detect.

Malawakang naaangkop: Angkop para sa pagtuklas sa ibabaw ng iba't ibang materyales tulad ng metal, plastik, salamin, PCB, keramika, atbp.

Susi sa pag-deploy: pakikipagtulungan ng software at hardware + akumulasyon ng data

Ang matagumpay na aplikasyon ng mga deep learning vision system ay hindi mapaghihiwalay mula sa collaborative na disenyo ng software at hardware at ang akumulasyon ng mga mapagkukunan ng data. Nagbibigay kami sa mga customer ng kumpletong hanay ng mga solusyon mula sa mga high-precision na pang-industriyang camera, mga customized na light source system, mga industrial algorithm platform hanggang sa AI model development tool chain upang matiyak ang pagpapatuloy at kahusayan ng sistema ng inspeksyon sa ilalim ng iba't ibang kondisyon sa pagtatrabaho.

Bilang karagdagan, mayroon din kaming propesyonal na pangkat ng mga visual engineer upang tulungan ang mga customer sa pagkumpleto ng pagkolekta ng data, anotasyon, pagsasanay, pag-deploy at pag-optimize sa ibang pagkakataon upang matiyak ang maayos na pagpapatupad ng proyekto.

Mga trend sa hinaharap: edge intelligence + multi-modal fusion

Sa pagbuo ng mga platform sa pag-compute, ang mga modelo ng malalim na pag-aaral ay inilalagay din sa gilid. Kasama ng multi-modal input (RGB, depth, infrared, atbp.), mas komprehensibo at tumpak na pagtuklas ng hitsura ay maaaring makamit, na nag-iniksyon ng malakas na impetus sa intelligent na pagmamanupaktura.

Ang pagtuklas ng depekto sa hitsura ay ang susi sa kontrol ng kalidad. Habang patuloy na tumatanda ang machine vision at mga teknolohiya ng AI, ang mga solusyon sa pagtuklas batay sa malalim na pag-aaral ay nagiging isang mahalagang paraan para sa mga pangunahing kumpanya ng pagmamanupaktura upang makamit ang mga matalinong pag-upgrade.

Kung nahaharap ka sa mga problema tulad ng mababang kahusayan sa pagtuklas ng depekto at mataas na rate ng pagtuklas ng maling, maligayang pagdating saMakipag-ugnayan sa amin para makakuha ng customized na deep learning vision solution at tumungo sa bagong panahon ng de-kalidad na pagmamanupaktura nang magkasama.