高精度針孔檢測設備
More >>
您所在的位置：精質視覺 > 新聞中心>基于機器視覺的智能機器學習算法
2022-08-08 11:49:08 精質視覺
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。當零部件經歷了全部的生產步驟，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。汽車生產廠商完全不能接受這種缺陷產品。
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
結果&性能
強大的檢測：ALFA可以在生產過程的早期階段，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
