深度学习(AI-Intsoft)视觉检测系统
快盈lV入口500万基于深度学习的(AI-Intsoft)视觉检测系统比传统视觉有什么优势?
快盈lV入口500万答:攻克了传统算法被复杂背景干扰的问题,以及无法对缺陷类型稳定分类等问题,因此在缺陷检测领域中,深度学习具有更多的优势。
什么是外观缺陷检测?
快盈lV入口500万外观缺陷检测是通过光学组件、图像处理器、软件算法等集成的图像处理系统,其涵盖光学原理、软件技术、图像处理技术等专业学科;实时检测、识别被测物体常见表面的缺陷(划伤、破损、刮痕、脏污、条纹、亮斑等),部分外观检测的图像都存在比较复杂背景的干扰因素,对外观缺陷识别判断产生较大的影响,因此对检测系统提出极高的能力要求,传统的图像处理技术已经无法满足于当前的生产应用。
随着AI人工智能技术的快速发展,人工智能也逐步开始在工业领域中应用,盈泰德科技将深度学习技术应用到各种工业领域的缺陷检测设备,开发出以人工智能深度学习技术为主的Intsoft-AI视觉检测系统V1.0版本。
快盈lV入口500万该系统可用于缺陷识别、物体分类、定位等功能应用,其可用于3C产品及零部件、半导体、LED、医药、汽车等行业,其结合传统算法实现对以下类型产品进行高精密外观缺陷检测:
深度学习不同于传统工业机器视觉,不需要专业人员的定制开发算法,前期只需要一部分NG和OK样本图片,用于缺陷标注训练即可完成模型的建立,后期遇到新增缺陷类型时,只需要完成新类型缺陷样本训练优化模型就能够完成新缺陷检测。
AI-Intsoft · 部分应用案例
包装缺陷检测:
新能源行业配件检测:
汽车安全气囊配件检测:
3C行业案例:
案例:外观缺陷检测案例分享
检测产品:手机充电器PIN
检测内容:检测产品5个面共6种缺陷:划伤、点伤(凹点)、缺口、脏污、亮印、模印。
检测要求:
快盈lV入口500万1、缺陷产品漏检率0.3%以内,
2、产品过杀率5%以内;
快盈lV入口500万3、脏污缺陷:对菲林卡,小于0.1mm²以内OK;
4、点伤、划伤:0.02~0.08mm²2个以上NG,0.08~0.1mm²1个NG。
产品缺陷分析:
1、产品表面结构为粗糙面(类似磨砂质地),为电镀成型后的阶段,表面粗糙有很多凹坑影响成像质量;
2、划伤缺陷为表面凹状类缺陷,可能已伤及电镀层,缺陷凹坑形状较细并且都是比较深的,形状不一,位置不同;
快盈lV入口500万3、点伤类缺陷是表面凹状类缺陷,面积较小,但分布比较多,深浅不一;
模印缺陷为产品制作是模具上造成的缺陷,在电镀后检测时,产品表面已经没有太大差异,缺陷比较轻微的人眼也较难识别。
4、脏污亮印缺陷为产品表面,电镀层上面存在的脏污和亮印,未伤及电镀层。
检测方案:
采用直线式设备,机械手上下料,5个工位检测,治具可以旋转,光源频闪,分步拍照产品表面缺陷,深度学习算法处理图像,全面实现外观缺陷检测,根据检测结果自动摆满托盘,自动叠盘收料。(如下图)
3C行业常见检测缺陷
图2 检测效果
图3 缺陷类型
案例:Type-c外观缺陷检测案例分享
检测产品:Type-c连接器
检测内容:检测产品铝屑不良、缺pin、塑料屑异物、塑料损伤、舌片底部金属丝、舌片端子漏B点等外观缺陷;
检测要求:
快盈lV入口500万1、缺陷产品漏检率0%,
2、产品过杀率5%以内;
检测方案:
采用直线式自动设备,对接客户自动化产线,共有4个检测工位,产品通过直振上料,移载到检测工位进行拍照检测,利用深度学习算法跟传统算法相结合的方式,对产品缺陷进行检测识别,再根据检测效果进行OK\NG分类。如下图。
检测效果1
检测效果2
检测效果3
检测效果4
以上简述仅为部分应由场景,得出,基于深度学习的(AI-Intsoft)视觉检测系统,已具备强大的识别能力、缺陷检测能力、在大部分的自动化、半自动化产业中,都可以轻松解决检测难题。
传统的机器视觉算法被复杂背景干扰的问题,以及无法对缺陷类型稳定分类等问题,对基于深度学习的(AI-Intsoft)视觉检测系统来说,都可以轻松的搞定。
(AI-Intsoft)视觉检测系统的未来
快盈lV入口500万(AI-Intsoft)视觉检测系统还可以做到更多,我们会一直保持 AI-Intsoft 的更新迭代。
在未来,我们希望 AI-Intsoft 会应用各种工业领域中,踏实帮助更多企业做好质量控制,在复杂的环境下