如今,工業自(zi)動化快速發展,工業4.0的(de)(de)概(gai)念已經被(bei)提上(shang)日程(cheng)。在產(chan)品(pin)(pin)生產(chan)流(liu)水(shui)線上(shang),對于產(chan)品(pin)(pin)的(de)(de)質量檢(jian)(jian)測(ce),許(xu)多企業也逐漸嘗試用(yong)機(ji)器(qi)視(shi)(shi)覺(jue)代替人工肉(rou)眼進行(xing)檢(jian)(jian)測(ce),但時代瞬息萬變,神經網(wang)絡之深度學習這(zhe)項技(ji)術的(de)(de)不(bu)斷成熟,為產(chan)品(pin)(pin)外觀(guan)檢(jian)(jian)測(ce)帶來(lai)更(geng)多的(de)(de)可(ke)能。那么(me)(me)它與傳統視(shi)(shi)覺(jue)檢(jian)(jian)測(ce)有(you)什么(me)(me)區(qu)別(bie)呢?國辰機(ji)器(qi)人帶你瞧(qiao)一瞧(qiao)。

雖然傳統(tong)(tong)的(de)(de)(de)機(ji)器(qi)視(shi)覺(jue)系統(tong)(tong)在處理一致且制造精(jing)良的(de)(de)(de)部件時(shi)能(neng)夠可靠地(di)運行,但隨(sui)著例外和缺陷庫(ku)的(de)(de)(de)增(zeng)大,算法也(ye)(ye)會變得越來越有(you)(you)挑(tiao)戰性。換句話說(shuo),到(dao)了特定的(de)(de)(de)時(shi)候,工廠自動(dong)化中需要的(de)(de)(de)某些(xie)應用將無法再(zai)依靠基于規則的(de)(de)(de)機(ji)器(qi)視(shi)覺(jue)。某些(xie)傳統(tong)(tong)的(de)(de)(de)機(ji)器(qi)視(shi)覺(jue)檢測,因(yin)為有(you)(you)許多不易被機(ji)器(qi)識別的(de)(de)(de)變量,所(suo)以編程(cheng)也(ye)(ye)比(bi)較困(kun)難,例如:照明、顏色變化、曲面、或視(shi)野。

因此,深(shen)度學習(xi)這項技術在產(chan)品外觀缺陷檢測(ce)中便發揮了極大的效用,借助(zhu)深(shen)度學習(xi)這樣的工具(ju),便可以在生產(chan)線上(shang)更加(jia)一(yi)(yi)致、更加(jia)可靠、且更加(jia)快速地完成這些任務。人類擅長(chang)分類不同但相似的東西,我們幾秒內就能理解某一(yi)(yi)組物體間的差異。在這個(ge)意義上(shang),深(shen)度學習(xi)將人類進化的智能和基于(yu)規則的傳統機器視覺的一(yi)(yi)致性、可重復(fu)性和可擴(kuo)展性這兩種(zhong)優勢結合在一(yi)(yi)起。

在實際應用中,通過對缺(que)(que)(que)陷圖片(pian)的(de)不斷訓練以及(ji)優(you)化,諸(zhu)如布(bu)匹(pi)、薄膜(mo)、金屬(shu)、鋁(lv)箔、銅箔等(deng)的(de)表(biao)面(mian)缺(que)(que)(que)陷都可精準地檢(jian)測(ce)(ce)出(chu)來,國辰基于深度(du)學習的(de)在線缺(que)(que)(que)陷檢(jian)測(ce)(ce)系統還能(neng)實時監控產品表(biao)面(mian)質量(liang),提供(gong)全面(mian)的(de)表(biao)面(mian)缺(que)(que)(que)陷分(fen)類,幫助管理者(zhe)對缺(que)(que)(que)陷成(cheng)因及(ji)時分(fen)析,從根源處進行防范。