基于深度學習的缺陷檢測系統在彈片上的應用

發布時間: 2019-02-07 編輯人:影像測量儀

 海克斯康影像產業單元推出全新基于深度學習的缺陷檢測系統,按照人腦的判斷理念來對彈片進行缺陷檢測。相比傳統機器視覺,基于深度學習的機器視覺檢測系統的檢測結果有著更高的檢測準確性和重復性。產品的優勢更大,可以解決更多復雜的問題。

彈片是用于機械、車輛的緩沖防震裝置和繼電延遲裝置中等電子產品內置部件,彈片是電測試的接觸媒介,為精密型電子五金元器件,

 

彈片的質量是很重要的,可以說是輕觸開關質量的關鍵。產品常常存在外觀刮傷、刮花、壓傷及折彎裂痕、污垢、中間的點有沒有偏位等缺陷樣品,當我們檢測彈片是否合格時,這些是首要因素。

 

基于深度學習的缺陷檢測系統針對彈片中某一類型的缺陷,輸入10~20張缺陷樣本,通過成像系統拍缺陷樣本圖片,人工在樣本圖片上對缺陷特征進行標記,之后軟件通過算法對標記好的圖片進行深度學習,學習之后建立彈片缺陷的NG數據庫,從而形成針對該種類缺陷的神經網絡。當對彈片進行檢測時,系統即可智能判斷它是否有此類缺陷,同時對缺陷進行及時可靠的識別、標記和分類。

 

海克斯康影像產業單元所推出的基于深度學習的視覺檢測系統,順應當前人工智能發展潮流。系統軟件讓機器有了大腦,有了像人一樣的學習能力,可以在不斷工作中積累經驗,檢測的次數越多經驗越豐富,結果越來越準確。系統使用神經網絡算法,模塊化地解決機器視覺的各種問題。人工智能走入機器視覺領域,實現意義上的機器替代人,必將推動無人工廠的落地實施。

烟火节APP下载