简介：对产品的高需求以及较高的时间和成本压力是所有行业和部门的决定性竞争因素。无论是在食品工业还是汽车工业中，如今，质量，安全性和速度都是决定公司成功的因素。目标是实现零缺陷生产。但是，如何保证只有无瑕的产品才能离开生产线呢？为了使质量检查尽可能高效，简单，可靠和具有成本效益，盈泰德科技开发了使用IDS的深度学习和工业相机的快盈lV入口500万，以实现快速，强大的错误检测。哨兵视觉系统使用基于AI的识别软件，可以使用一些样本图像进行训练。结合 Vision 工业相机和评估单元，
对产品的高要求以及较高的时间和成本压力是所有行业和部门的决定性竞争因素。无论是在食品工业还是汽车工业中，如今，质量，安全性和速度都是决定公司成功的因素。目标是实现零缺陷生产。但是，如何保证只有无瑕的产品才能离开生产线呢？如何避免导致高成本的错误质量决策？为了可靠地测试，质量保证中使用了各种各样的方法。
可以用肉眼进行目视检查，但通常容易出错且价格昂贵：眼睛疲劳和工作时间昂贵。另一方面，机械测试通常伴随着复杂的校准，即设置和调整软件和硬件的所有参数，以检测每个错误。此外，产品或材料的更改需要重新校准。此外，采用经典的基于规则的方法，程序员或图像处理器须为系统专门编程规则，以向系统解释如何检测错误。这很复杂，并且具有很大的错误变化，通常这是很难解决的艰巨任务。所有这些都会花费大量时间和财富。
为了使质量检测尽可能高效，简单，可靠和具有成本效益，盈泰德科技使用IDS工业相机和深度学习来开发能够快速而可靠地检测错误的快盈lV入口500万。这是因为，与传统的图像处理相比，神经网络学会了根据图像本身来识别特征。这正是智能系统的方法，它使用基于AI的识别软件，并且可以基于一些样本图像进行训练。结合工业相机和评估单元，可以轻松地将其嵌入现有流程中。
应用
该系统能够分割对象，图案甚至缺陷。即使是难以检测的表面也无法停止系统。可以在汽车工业（金属表面的缺陷检测）或陶瓷工业（通过在反射和镜面可见凹痕的缺陷检测）中找到经典应用，在食品工业（物体和图案识别）中也可以找到经典应用）。
根据应用程序，对AI进行培训以检测错误或异常。借助后者，系统学会了区分好零件和坏零件。例如，如果检查了表面结构，例如汽车行业的金属零件或陶瓷零件，则人工智能会将误差检测为与参考图像比较的偏差。通过使用异常检测和预先训练的模型，系统可以仅基于一些良好零件的样本图像来检测缺陷。
培训和评估所需的硬件设置包括IDS工业相机和适当的照明。使用参考图像训练使用的识别模型。例如，配置了一个系统和AI模型来对纺织工业中的织物网进行易于出错的检查。一项艰巨的任务，因为错误可能非常主观且很小。根据特定的客户要求，与IDS一起选择了用于纺织品和幅材的较佳图像材料的系统相机。选择了GigE Vision CMOS摄像头（GV-5880CP），该摄像头可提供以准确定时触发的高分辨率数据，以进行准确的图像评估。
该系统将学习构成“良好”织物结构的内容，并从织物的几次拍摄中就知道清洁无瑕的产品的外观。为了进行质量检查，IDS Vision CP摄像机捕获的图像然后通过GigE接口转发到评估计算机，并用识别模型进行处理。然后，该计算机可以可靠地区分出好/坏零件并突出显示偏差。发现错误时，它会提供输出信号。这样，可以快速，轻松地减少打滑和伪品。
滑点是指不符合标准但被忽略并因此未分类的产品所占的比例，通常会引起投诉。另一方面，伪劣产品是那些符合质量标准但仍被错误分类的产品。
系统的硬件和软件都非常灵活：对于多个或更大的网络，可以轻松将其他摄像机集成到设置中。如有必要，该软件还允许对AI模型进行重新训练。“经验简单地表明，由于个人情况小，总是需要一定数量的夜间训练。有了我们产品组合中的预训练模型，您需要的个性化和后期训练参考图像就更少了，”执行官兼联合创始人克里斯蒂安·埃尔斯解释说的哨兵。在这种情况下，图像显示了织物的结构化表面以及其上的一个小异常现象，该异常现象在右侧的图像中被滤除：
相机
准确的图像采集和准确的图像评估是所用相机的较重要要求。非常适合：GigE Vision CMOS相机GV-5880CP。该型号具有1 / 1.8英寸卷帘CMOS传感器Sony IMX178，可实现6.4 MP（3088 x 2076 px，长宽比3：2）的高分辨率。在全分辨率下，其帧速率高达18 fps。因此，Sony STARVIS系列传感器具有BSI技术（“背面照明”），是对光敏感度较高的传感器之一，其暗电流低至SCMOS范围（科学CMOS）。即使在非常弱的光线条件下，也可以确保令人印象深刻的结果。由于传感器尺寸为1 / 1.8英寸，GigE Vision型号GV-5880CP可以使用各种C型安装镜头。技术人员表示：“除了分辨率和帧速率外，接口和价格也是决定摄像机的决定性因素。与IDS开发部门的直接交流帮助我们减少了摄像机集成所需的时间。通过GenTL和Python界面可将其集成到sentin VISION系统中。
结论
与人工视觉检查或常规机器视觉应用相比，具有人工智能的基于图像的自动化质量控制具有许多优势。Christian Els总结道：“在基于AI的图像解释中，目标是创建人类可以看到错误的图像，因为AI模型也可以做到这一点。” 该系统学会识别类似于人类的产品需求。但是就一致性和可靠性而言，人工智能随时会打败人脑。即使大脑具有峰值性能，人工智能也可以识别更为复杂的错误模式。另一方面，在疲劳和视力方面，人眼无法抵挡任何摄像机。结合深度学习识别软件，因此，图像处理系统可以实现特别快速和准确的检查。根据应用的不同，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，例如表面测试。类似的应用是，例如对磨砂金属/涂层表面（汽车内部），天然材料（石材，木材）或工业纺织品（如皮革）进行测试。因此，可以检测到消费品上的划痕，裂缝和其他缺陷，并分类出相应的产品。排除质量缺陷，只生产“好东西”，这是质量保证框架内必不可少的过程。IDS摄像头与sendin GmbH的深度学习支持软件相结合，较大地优化了质量控制中缺陷和物体的检测。这可以在许多行业和领域中显着减少投诉和返工以及伪造废品的人员和时间支出。
微信在线咨询
