Aiの生物分解性のバガスの円形の版のための視覚検査システム

Aiの生物分解性のバガスの円形の版のための視覚検査システム

点検標準

カメラの適用

1. 前部区域の検出:皿の入って来る材料の裏側は上向きであり、否定的な圧力ベルトによって空気で中断される。一組の産業カメラは皿の下で直接整理され、処理のための前部区域のイメージを集めるのに視覚光源の使用が使用されている。
2. 逆区域の検出:前部区域が検出された後、パレットは後部ベルトで滑らかに落ち、裏側はまだ直面している。一組の産業カメラはパレットの上で直接整理され、視覚光源の使用と、逆区域のイメージは処理のために集められる。
3. 斜め区域の検出:パレットの裏側は上向きに直面して、4組の処理のための斜め区域のイメージを集めるのに視覚光源と共に使用されている産業カメラはパレットの上の円で整理される、

構成変数

aiのアルゴリズムの利点

• 結果の正確さ:従来の視野のアルゴリズムと比較されて、深い学習アルゴリズムの安定性は非常に改善され、環境および背景の一般的な妨害に合わせることができる。同時に、アルゴリズムの正確さは従来の視野のアルゴリズムのそれよりまた高い;
• アルゴリズムの多様性:異なった欠陥のために、少数の欠陥のサンプルだけ集められる必要がある。十分な訓練の後で、異なった欠陥のサンプルは自動的に識別することができる。採用されるアルゴリズムは統一されたアルゴリズム フレームワークである;
• 開発のタイムリー性:異なった欠陥のためのアルゴリズムを開発する必要性がないので全体の開発サイクルは非常に短くされ、一般的な視覚欠陥のプロジェクトは2-3時間だけがテストのためにオンラインになることを必要とする;
• 環境の信頼性:GPUのコンピューティング電力の保証が原因で、全体のシステムは十分なコンピューティング電力の差益が付いている高温度の環境で長い間はたらくことができる。

大きいデータ雲のプラットホームの利点

• モデルに広い適用の可能性がある:型板があるかどうか区別によって、それは表面欠陥の検出の条件を基本的カバー新しい欠陥モデルは任意に加えることができる;
• モデルの強さはよい:システム信号の一貫性の調節によって、オンラインになるとき場所の微調整のための必要性がない、普通動くことができることが基本的に保証され;
• 少数の訓練のサンプルは要求される:多数の欠陥のサンプルが得ることができない大きいデータ容積の訓練のサンプルとの深い学習の必要性を満たすのに場合ではサンプルの自動統合が使用することができる;
• 速いモデル推論の速度:モデル配置の費用を制御し、費用効果が大きい配置のプラットホームを必要性を満たすことの前提で顧客にできるだけ与えなさい。