利用人工智能实现基于图像的自动检测收藏

对产品的高要求以及时间和成本的高压力是所有行业和部门的决定性竞争因素无论是在食品行业还是汽车行业——质量、安全和速度在今天比以往任何时候都更成为决定公司成功的因素零缺陷生产是目标但如何保证只有完美无瑕的产品才能离开生产线呢？如何避免错误的质量决策，导致成本无法降低？为了可靠地检测，在质量检测方面采用了多种方法。

人眼目测是可以的，但往往容易出错，而且成本很高：眼睛疲劳，工作时间成本很高另一方面，为了检测每一个错误，机械测试通常伴随着复杂的校准，设置和调整软件和硬件的所有参数 此外，产品或材料的变化也需要重新校准。

此外，如果采用传统、基于规则的方法，程序员或图像处理器必须为系统专门编写规则，向系统解释如何检测错误这是一个极为复杂，而且误差变化很大，往往是一个难以解决的艰巨任务所有这些都会花费过多的时间和金钱为了使质量检测尽可能地高效、简单、可靠和具有成本效益，德国 sentin GmbH 公司开发了使用深度学习和 IDS 的工业相机的解决方案，以实现快速和强大的错误检测功能。

与传统的图像处理不同，神经网络会根据图像本身来学习识别特征这正是 sentinVISION智能系统的做法 sentin VISION系统使用基于人工智能的识别软件，可以使用一些样本图像进行训练配合IDS的GigE Vision CMOS工业相机和一个神经网络，它可以很容易地嵌入到现有的工业应用中。

应用该系统能够对物体、图案甚至缺陷进行分割 即使是难以探测的表面，系统也可正常运行例如，在汽车工业（金属表面的缺陷检测）或陶瓷工业（反射和凹痕的缺陷检测），也可以在食品工业（物体和模式识别）中找到传统应用。

根据不同的应用，人工智能经过训练后，能够检测错误或异常系统就能学会区分好的和坏的部分例如，如果对表面结构进行检测，参见汽车行业中的金属部件或陶瓷部件，人工智能会检测出误差，作为与参考图像对比的偏差结合异常检测和预先训练的模型，系统只需根据几个样本图像就能检测出异常的部件。

培训和评估所需的硬件设置包括一台IDS工业相机和光源所用的识别模型是利用参考图像进行训练的例如，针对纺织行业布网易出错的检测，配置一套人工智能系统如果采用人工检测，这是一项艰巨的任务，因为错误可能非常主观，而且非常小。

根据客户的具体要求，与IDS一起选择了用于纺织品和卷材最佳图像材料的系统摄像机选用了GigE Vision CMOS相机（GV-5880CP），该相机可提供高分辨率数据，通过精确的时间触发，实现精确的图像评估。

系统会学习什么是 "好 "的面料结构，从几张面料的照片中就已经知道干净无瑕的产品是什么样子在质量检测方面，IDS Vision CP摄像机拍摄的图像会通过GigE接口转发到用于评估的计算机，并通过识别模型进行处理。

然后，这台计算机可以可靠地区分好/坏的部分，并突出偏差当发现错误时，它会给出一个输出信号这样一来，就可以快速、轻松地减少滑点和伪废品滑点是指不符合标准的产品，但由于被忽视，因此没有整理出来，往往导致客诉。

而伪废品则是指那些符合质量标准，但却被错误地分拣出来的产品系统的硬件和软件都很灵活对于多相机系统，可以很容易地将额外的摄像机集成到系统中如果有必要，软件还可以对AI模型进行后期训练"经验只能显示，个别环境的原因，后期持续的训练还是必要的。

有了我们产品组合中的预训练模型，只需要较少的参考图像就足够进行个性化和后期训练"sentin的首席执行官兼联合创始人Christian Els解释道在这种情况下，图像显示的是织物的结构表面和其上的一个小的异常点。

从物质记录中提取的异常现象相机准确的图像采集和图像评估是对所使用的相机最重要的要求之一GigE Vision CMOS 相机 GV-5880CP完全贴合需求该机型采用了1/1.8英寸卷帘快门CMOS传感器索尼IMX178，可以实现6.41MP（3088×2076 px，宽高比3:2）的极高分辨率。

它在全分辨率下可提供高达18帧/秒的帧率，因此是质量控制中可视化任务的理想选择索尼STARVIS系列的传感器采用BSI技术，是IDS相机组合中感光能力最强的传感器，每秒不到2个电子，接近SCMOS（科学CMOS）系列。

即使在光照严重不足的条件下，该款相机也能捕捉出色的图像1 / 1.8“传感器尺寸，GV-5880CP 相机型号可以使用各种C接口的镜头总结与人工视觉检测或传统的机器视觉应用相比，基于自动化人工智能的质量控制系统具有许多优势。

系统学习识别产品类似于人类，但在一致性和可靠性方面，人脑随时被人工智能打败虽然大脑具有非凡的性能，但人工智能可识别更复杂的错误模式人的眼睛，在疲劳和视力方面是无法与任何相机进行比较的因此，结合深度学习识别软件，图像处理系统可以实现特别快速和准确的检测。

根据不同的应用，图像采集和评估可以在几毫秒内完成该系统还可以应用于其他领域，如表面检测类似的应用还有例如哑光金属/涂层表面（汽车内饰）、天然材料（石材、木材）或技术纺织品（如皮革）的测试消费品上的划痕、裂纹和其他缺陷可以被检测出来，并对相应的产品进行整理。

"把好的放进盆子里，坏的放进锅里"——这是质量保证框架内不可或缺的过程IDS摄像机与sentin GmbH的深度学习软件相结合，显著优化了质量控制中的物体缺陷检测这使得各行业、各领域的客诉，返工以及误判所导致的人员和时间耗费大大减少。

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。