基于機器視覺的智能機器學習算法

2022-08-08 11:49:08 精質(zhì)視覺

　　表面缺陷檢查的關鍵挑戰(zhàn)之一，即它們是動態(tài)的，這與零部件的加工工藝流程或成形過程有直接關系。當零部件經(jīng)歷了全部的生產(chǎn)步驟，其中部分表面被噴涂油漆，導致拋光表面成為鏡面反射光。此時撞擊、污漬和劃痕這些缺陷才變得可見，并且令人不安。汽車生產(chǎn)廠商完全不能接受這種缺陷產(chǎn)品。

　　然而，這種只能在工藝末端才能檢測到的缺陷，成本非常高昂。利用ALFA缺陷檢測模塊，粗糙材料上典型的缺陷，可以通過任何標準照明和矩陣相機獲得的圖像檢測和分類。訓練階段完成后，在一個標準GPU上計算其能在幾毫秒內(nèi)可靠地識別缺陷，從而實現(xiàn)在線實時檢測。

　　核心優(yōu)勢：

　　傳統(tǒng)開發(fā)周期需要經(jīng)過- 圖像采集研究- 軟件開發(fā)測試研究- 可行性評估測試修改—開發(fā)周期需要60天以上

　　目前使用ALFA深度學習軟件只需要- 圖像采集測試—開發(fā)周期1天就能出可行性方案加快投入市場時間

　　結(jié)果&性能

　　強大的檢測：ALFA可以在生產(chǎn)過程的早期階段，可靠地對復雜紋理的表面、鏡面反射和可容忍范圍內(nèi)的異常圖像缺陷進行檢測和分類。

　　自學習：檢測過程無需大量仔細調(diào)整和優(yōu)化的檢測算法，而是依賴于一個類似人類的方法——學習和應用，并且具有改進的測試一致性和可重復性。

　　快速&簡單：整個學習具有代表性的圖片樣本庫的過程非常高效，其學習時間小于15分鐘