傳統(tǒng)算法融合深度學習，重新定義“工業(yè)視覺檢測大腦”
2022-12-28
機器視覺經過長時間的發(fā)展，技術不斷取得重大突破并被廣泛應用，當前已遍布工業(yè)生產的各個環(huán)節(jié)。而且機器視覺易于實現自動化集成，軟件集成，是實現智能制造的基礎技術。據統(tǒng)計，中國的機器視覺市場需求近幾年處于持續(xù)高速增長階段，年復合增長率保持在23%。截至2021年，國內機器視覺市場規(guī)模達163.8億元。
機器視覺經過長時間的發(fā)展，技術不斷取得重大突破并被廣泛應用，當前已遍布工業(yè)生產的各個環(huán)節(jié)。而且機器視覺易于實現自動化集成，軟件集成，是實現智能制造的基礎技術。據統(tǒng)計，中國的機器視覺市場需求近幾年處于持續(xù)高速增長階段，年復合增長率保持在23%。截至2021年，國內機器視覺市場規(guī)模達163.8億元。
光學透鏡在加工過程中容易產生破裂、刮傷、臟污等缺陷，同時透鏡類產品，工藝精度高、產量大、質檢要求極為嚴格。使用自動化視覺檢測，可以提升效率，提高檢測精度，確保產品品質。
數據集介紹：在鋁型材的實際生產過程中，由于各方面因素的影響，鋁型材表面會產生裂紋、起皮、劃傷等瑕疵，這些瑕疵會嚴重影響鋁型材的質量。
檢測金屬卷材(如帶鋼、銅帶、鋁箔等)表面的異常缺陷并不容易。一種方法是指派專門的檢查員檢查線圈表面的不均勻性、劃痕、銹蝕和其他缺陷。另一種方法是將線路運行速度降低到正常速度的1/4，以便對表面質量進行目視檢查。
當把鋁箔放在眼前，你會發(fā)現，肉眼不能透過鋁箔上的針孔看到鋁箔另一面的景物。如果把鍍鋁膜放在眼前，你能夠朦朧地甚至清楚地看到鍍鋁膜另側的景物。
傳統(tǒng)的新能源鋰電池外殼外觀缺陷檢測方法依靠人眼來判斷電池表面的各種問題，并且有很大的局限性。由于生產的人工成本越來越高，人工檢測的準確率和效率不高，比如人眼對小缺陷不敏感，存在誤檢漏檢風險;人眼無法持續(xù)穩(wěn)定地完成高強度重復性檢查工作，會造成疲勞、速度慢、效率低;主觀判斷受情緒、思維、光線影響，具有很大的不穩(wěn)定性和不規(guī)范性。
帶鋼在生產時就會出現這些缺陷，傳統(tǒng)的人工檢測已經不能滿足現代化的發(fā)展，都會選擇自動化機器視覺表面檢測設備，很多客戶都選擇了我們精質視覺的帶鋼表面檢測設備。
帶鋼的常見缺陷
即便是嚴格把控制造的每一道流程，生產良品率也無法達到100%，這意味著總會有不合格品被生產出來，而表面缺陷檢測便是阻止不合格品流入市場的“門神”。
根據不同的分類標準，產品的表面缺陷檢測可以分為很多類別