机器视觉和深度学习如何改变制造业中自动检查的领域
當前位置:博猫 > 技術分享 > 博猫平台登录:机器视觉和深度學習如何改變制造業中自動檢查的領域

博猫

博猫平台登录:机器视觉 2021-05-28 9098 0


人工智能最終将改變遊戲規則,幾乎在每個領域中都有無數的應用程序。現在,它正在進入生産和制造領域,從而使其能夠利用深度學習的力量,并在此過程中提供更快,更便宜,更優越的自動化。本文旨在簡要介紹自動視覺評估以及深度學習方法如何節省大量時間和精力。

制造業中的外觀檢查

使用自動外觀檢查技術識别缺陷它涉及對生産線上的産品進行分析以達到質量控制的目的。目視檢查還可用于生産設施中各種設備(例如儲罐,壓力容器,管道和其他設備)的内部和外部評估。

什麼時候需要目視檢查?

盡管目視檢查用于制造中以進行質量或缺陷評估,但在非生産環境中,可以将其用于确定是否存在指示“目标”的特征并防止潛在的負面影響。汽車自動外觀檢查,VLSI缺陷,裝配線,汽車表面缺陷在某些情況下,需要進行目視檢查。

在許多需要目視檢查的行業中,有幾項視力檢查被認為具有非常高的後果,并且是高度優先的活動,因為通過檢查可能産生的任何錯誤(例如傷害,死亡,損失)的潛在成本很高昂貴的設備,報廢的物品,返工或客戶流失。優先檢查視力的領域包括核武器,核電,機場行李檢查,飛機維修,食品工業,醫藥和制藥。

為什麼不隻堅持手工檢查呢?

手動檢查需要一個人在場,一名檢查員對所涉實體進行評估并根據一些培訓或先前的知識對它進行判斷。除了訓練有素的檢查員的肉眼之外,不需要任何設備。根據研究,目視檢查錯誤的範圍通常為20%至30%。一些缺陷可以歸因于人為錯誤,而其他缺陷則歸因于空間的限制。某些錯誤可以通過培訓和實踐來減少,但不能完全消除。

影響檢驗績效的因素

制造中的外觀檢查錯誤采取以下兩種形式之一:遺漏現有缺陷或錯誤地識别不存在的缺陷(誤報)。與誤報相比,未命中的發生率要高得多(參見,2012年)。遺漏會導緻質量下降,而誤報會導緻不必要的生産成本和整體浪費。



取消回複發表評論:


立即定制視覺方案