圖5
在包藍(lán)膜外觀缺陷檢測(cè)中,主要的難點(diǎn)在于:1)材料本身高反光、低對(duì)比度的光學(xué)特性致
使許多缺陷特征不明顯(如凹點(diǎn)和變形非常平緩,
普通相機(jī)圖像對(duì)比度非常低,很難識(shí)別缺陷、氣泡
和折痕),傳統(tǒng)算法過(guò)殺率和漏檢率極高; 2)缺陷種類(lèi)多,如氣泡、褶皺、壓傷、臟
污、膜破等,缺陷種類(lèi)樣本難以收集; 3)產(chǎn)線節(jié)奏快,對(duì)軟件的算法效率的要求較
高,因此該項(xiàng)目也是行業(yè)需要重點(diǎn)攻克的難題。
公司在該項(xiàng)目上持續(xù)攻堅(jiān),基于相位偏折的多
種類(lèi)型圖像單一模型檢測(cè)技術(shù),克服高反光低對(duì)比
度的問(wèn)題,采用分時(shí)頻閃檢測(cè)方案,打造高性?xún)r(jià)比
的落地方案,漏判率為0,誤判率≤1%,而行業(yè)在
此項(xiàng)目的誤判率要求≤1.5%;同時(shí)該方案節(jié)省了
30%的項(xiàng)目落地成本,得到了客戶(hù)的一直好評(píng)。
圖6
在轉(zhuǎn)接片焊點(diǎn)的數(shù)量和位置檢測(cè)中,重點(diǎn)要實(shí)
現(xiàn)對(duì)黏連物體的計(jì)數(shù)和面積統(tǒng)計(jì),公司使用iSense
深度學(xué)習(xí)模塊實(shí)例分割的方法,對(duì)缺陷進(jìn)行像素級(jí)
的檢測(cè),可以準(zhǔn)確統(tǒng)計(jì)出焊點(diǎn)的個(gè)數(shù),以及焊點(diǎn)的
面積、長(zhǎng)、寬等信息,解決缺陷尺寸及對(duì)比度(灰
圖8
圖7
度值差異)較少,造成漏判、誤判等問(wèn)題,達(dá)到0
漏判率和0誤判率檢測(cè)水準(zhǔn)。
在極耳翻折檢測(cè)案例中,采用iSense軟件中
2D分割+分類(lèi)組合工具,對(duì)極耳原圖先進(jìn)行分割再
將分割出來(lái)的區(qū)域作分類(lèi)判斷,借助AI技術(shù)對(duì)電池
極片的制造過(guò)程中產(chǎn)生的缺陷,進(jìn)行精準(zhǔn)檢測(cè)和判
別,剔除不良品,漏判率為0,誤判率≤0.5%,而
行業(yè)在此項(xiàng)目的誤判率要求≤1%。
核心技術(shù)壁壘持續(xù)攻堅(jiān),拓展AI應(yīng)用邊界
“智能制造須與制造業(yè)企業(yè)的思維同頻,從實(shí)
際困難出發(fā),來(lái)倒推可能的解決方案”,作為工業(yè)
AI檢測(cè)的“實(shí)干家”,華漢偉業(yè)始終站在制造企業(yè)
的角度,從各個(gè)維度來(lái)分析AI工業(yè)落地的痛難點(diǎn)問(wèn)
題,倒推AI產(chǎn)品需要升級(jí)和優(yōu)化的功能,不斷的迭
代解決方案。
華漢偉業(yè)通過(guò)技術(shù)的革新,攻克深度學(xué)習(xí)檢測(cè)
技術(shù)壁壘,打造差異化AI檢測(cè)軟件,并且將自己的
技術(shù)產(chǎn)品落實(shí)到實(shí)處,拓寬AI+應(yīng)用邊界,未來(lái),
華漢偉業(yè)將繼續(xù)專(zhuān)“精”于自己的領(lǐng)域,以更加強(qiáng)
大、齊備的功能和更高的性?xún)r(jià)比,成為工業(yè)AI檢測(cè)
專(zhuān)家。
MACHINE VISION 2023/10
51