如今,工業(yè)自動化快速發(fā)展,工業(yè)4.0的概念已經(jīng)被提上日程。在產(chǎn)品生產(chǎn)流水線上,對于產(chǎn)品的質(zhì)量檢測,許多企業(yè)也逐漸嘗試用機器視覺代替人工肉眼進行檢測,但時代瞬息萬變,神經(jīng)網(wǎng)絡之深度學習這項技術(shù)的不斷成熟,為產(chǎn)品外觀檢測帶來更多的可能。那么它與傳統(tǒng)視覺檢測有什么區(qū)別呢?國辰機器人帶你瞧一瞧。
雖然傳統(tǒng)的機器視覺系統(tǒng)在處理一致且制造精良的部件時能夠可靠地運行,但隨著例外和缺陷庫的增大,算法也會變得越來越有挑戰(zhàn)性。換句話說,到了特定的時候,工廠自動化中需要的某些應用將無法再依靠基于規(guī)則的機器視覺。某些傳統(tǒng)的機器視覺檢測,因為有許多不易被機器識別的變量,所以編程也比較困難,例如:照明、顏色變化、曲面、或視野。
因此,深度學習這項技術(shù)在產(chǎn)品外觀缺陷檢測中便發(fā)揮了極大的效用,借助深度學習這樣的工具,便可以在生產(chǎn)線上更加一致、更加可靠、且更加快速地完成這些任務。人類擅長分類不同但相似的東西,我們幾秒內(nèi)就能理解某一組物體間的差異。在這個意義上,深度學習將人類進化的智能和基于規(guī)則的傳統(tǒng)機器視覺的一致性、可重復性和可擴展性這兩種優(yōu)勢結(jié)合在一起。
在實際應用中,通過對缺陷圖片的不斷訓練以及優(yōu)化,諸如布匹、薄膜、金屬、鋁箔、銅箔等的表面缺陷都可精準地檢測出來,國辰基于深度學習的在線缺陷檢測系統(tǒng)還能實時監(jiān)控產(chǎn)品表面質(zhì)量,提供全面的表面缺陷分類,幫助管理者對缺陷成因及時分析,從根源處進行防范。