為什么我們需要表面缺陷檢測(cè)自動(dòng)化設(shè)備

2022-11-10 11:00:13 精質(zhì)視覺(jué)

　　手工檢測(cè)人力密集的情況在3C、電子、汽車(chē)配件、食品這些對(duì)產(chǎn)品表面缺陷要求比較高的行業(yè)里非常常見(jiàn)，人工視目檢查的結(jié)果往往是復(fù)檢率高，而且耗費(fèi)了極大的時(shí)間成本和人力成本。

　　同時(shí)，質(zhì)檢員的培訓(xùn)周期長(zhǎng)、招聘困難，在給工廠(chǎng)帶來(lái)沉重負(fù)擔(dān)的同時(shí)，也制約了企業(yè)的發(fā)展。雖然大部分工廠(chǎng)目前自動(dòng)化程度逐年提高，但自動(dòng)化目前還未替代的是質(zhì)檢和裝配。

　　為什么是基于AI深度視覺(jué)算法，不用傳統(tǒng)法視覺(jué)檢測(cè)技術(shù)呢?

　　產(chǎn)品表面缺陷檢是一個(gè)復(fù)雜的問(wèn)題，本質(zhì)上是人類(lèi)的一種大腦、眼和手的配合，要對(duì)物體的形狀、顏色的變化，用人腦中經(jīng)過(guò)訓(xùn)練的質(zhì)檢模型去判別，所以傳統(tǒng)的光學(xué)檢驗(yàn)無(wú)法有效應(yīng)用。

　　智能視覺(jué)表面檢測(cè)技術(shù)能解決什么問(wèn)題，以及和傳統(tǒng)視覺(jué)檢測(cè)技術(shù)的關(guān)鍵區(qū)別是什么呢?

　　傳統(tǒng)視覺(jué)技術(shù)就是通過(guò)大量的公式對(duì)特征進(jìn)行提取和定義，傳統(tǒng)視覺(jué)，更多偏向于定位和量測(cè)，以及規(guī)則背景下的缺陷識(shí)別。

　　局限：

　　提取的特征點(diǎn)有限，缺陷特征的定位有影響;

　　同時(shí)在復(fù)雜背景和缺陷下，受算法本身的影響，噪聲對(duì)特征提取影響非常大，圖上，缺陷和臟污相似度非常高，從曲線(xiàn)上看無(wú)法尋找到對(duì)應(yīng)的規(guī)律，導(dǎo)致缺陷識(shí)別困難，結(jié)果就是過(guò)檢率很高。