深度学习缺陷检测中的应用收藏

网友投稿 384 2024-01-18


随着机器视觉的快速发展,传统很多需要人工质检的工作,渐渐的被机器所替代,利用深度学习技术来检测缺陷成为越来越多自动化企业的选择以医药行业为例,生产过程中产品质量控制和检测至关重要,缺陷检测是其中重要的一个环节,基于机器视觉的检测方法可以很大程度上克服人工检测方法的准确性不高、实时性差、效率低、劳动强度大等弊端。

深度学习在缺陷检测中的应用收藏

深度学习是什么深度学习简而言之,让机器像人一样思考,从大脑中汲取灵感,基于这种理念衍生出了“神经网络”,深度学习算法类似于大脑有大量的计算单元,它包含数万个连接,它的构成亦是模仿人类的大脑神经元,通过大量的计算单元组成,这些计算单元具有加权输入信号并使用激活功能产生输出信号。

深度学习由人工神经网络组成,这些网络以人脑中存在的类似网络为模型。当数据通过这个人工网格时,每个层处理数据的一个方面,过滤异常值,找到合适的实体,并产生最终输出。

深度学习应用流程:“汇川视觉系统性解决方案”1:构建视觉系统,采集图像2:深度学习视觉分析平台“凤麟”训练神经网络模型3:工业视觉检测通用平台麒麟Kinovison实时获取图像,调用训练神经网络模型并实时处理,发送检测结果指令

4:将检测数据实时上传,以进行后续大数据分析处理深度学习视觉分析平台“凤麟”汇川深度学习视觉分析平台包含图像标注、训练与模型测试、数据分析主体模块,能够对图像进行分类、对目标进行分割与定位、OCR字符识别等,输入图像兼容2D黑白与彩色数字图像,适用多种格式图像,适用于工业缺陷检测、定位识别与物体分类识别等场景。

FINOVISION 软件由丰富的视觉应用开发和交付经验凝练而来,是为工业视觉检测提供基于深度学习技术的解决方案的产品,集数据标注、数据管理、模型训练、模型测试和精度分析等功能于一体,使用界面简洁灵活,明晰的向导式配置,集成各类标注图形元件,支持快捷键方式对图像分型标注处理,可快速完成图像分类、目标清点、OCR检测和缺陷检测等常见的视觉方案验证和快速部署。

工业视觉检测通用软件平台“麒麟”汇川视觉通用软件平台麒麟Kinovision致力于为客户提供快速解决视觉应用的算法工具,内含丰富的算法工具库,可对图像预处理,实现高精度的对位、检测、测量和识别等功能,同时集成深度学习算法模块,适用于多种工业应用场景。

同时平台具有友好的用户交互界面,简单易用,完全界面化操作,所有工具支持拖拽添加,无需任何代码基础也可轻松上手,此外额外软件集成脚本功能,以应对复杂的应用场景

应用案例场景1:玻璃烧制过程受温度、湿度、原料、设备异常的影响,成型后的玻璃瓶会出现气泡、结石、黑点、裂纹、气线、磕碰、脏污等缺陷,我司针对此领域推出了基于深度学习的空瓶缺陷检测方案该方案实现缺陷检测无参化,稳定性比传统视觉方式提升一倍;行业顶尖精度,检出率≥99.9%,检测最小缺陷可达0.02mm²;高速实时检测,检测效率≥60 pcs/min。

场景2:泡罩产品在生产过程受温度、湿度、原料、设备异常的影响,成型后的药片或胶囊会出现脏污、异物、混料、字符模糊、破损、裂纹、涂层剥落等缺陷,我司针对此领域推出了基于深度学习的泡罩机缺陷视觉检测方案该方案检出率≥99.9%,检测最小缺陷可达0.1mm,检测效率≥300pcs/min,适用于药片、胶囊、异形片类包装产品外观缺陷检测。

深度学习融合了人工视觉检测的灵活性与计算机系统的高可靠性、一致性和时效性等优点,越来越多的先进制造企业正在转向深度学习方案,以解决其复杂的自动化挑战汇川视觉通过多年在视觉算法上的积累和大量实践,在医药、食品饮料、3C等行业领域的缺陷检测类场景得到广泛的应用,支持多台机器同时在线实时缺陷高精度检测,精度可根据客户具体需求调整。

此外支持数据追诉,让生产管理者准确快速地掌握缺陷类别和发生频次,为快速改善生产效率和产品质量提供了有力支持

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:智能制造与数字化工厂(两者的融合与区别)
下一篇:虹科预测性维护案例 助力硬盘制造商提高制造过程的质量和效率收藏
相关文章

 发表评论

暂时没有评论,来抢沙发吧~