工業(yè)AI視覺(jué)系統以深度學(xué)習提升圖像處理水平，覆蓋多領(lǐng)域缺陷檢測場(chǎng)景

工業(yè)AI視覺(jué)系統能夠在工業(yè)環(huán)境中進(jìn)行缺陷檢測、視覺(jué)分揀、物流公報、拆碼垛、工業(yè)上料等應用。

目前，機器視覺(jué)技術(shù)的發(fā)展已經(jīng)深入各個(gè)行業(yè)，尤其在成品質(zhì)量缺陷檢測方面變得越來(lái)越關(guān)鍵?；跈C器視覺(jué)的缺陷檢測通過(guò)圖像處理算法，處理產(chǎn)品制造過(guò)程中可能存在的缺陷或不良品，該技術(shù)能夠替代人工視覺(jué)檢測，并提高檢測的效率和準確性，為相關(guān)制造企業(yè)實(shí)現降本增效。

深眸科技以機器視覺(jué)和深度學(xué)習算法為核心不斷優(yōu)化，自主創(chuàng )新構建工業(yè)AI視覺(jué)系統解決方案落地主流工廠(chǎng)生產(chǎn)線(xiàn)，持續保證對相關(guān)產(chǎn)品的質(zhì)量控制。

工業(yè)AI視覺(jué)系統在缺陷檢測場(chǎng)景的應用

工業(yè)AI視覺(jué)系統結合人工智能和圖像處理技術(shù)，通過(guò)圖像預處理、標注、訓練等方式，快速識別破損、尺寸不標準、圓形度不良、 邊緣缺損或凸起、臟污、劃痕和表面殘留污等多種缺陷，快速提高產(chǎn)線(xiàn)自動(dòng)化、智能化程度及檢測效率。

深度學(xué)習技術(shù)，進(jìn)一步提高缺陷圖像處理水平

在制造業(yè)中，缺陷檢測是產(chǎn)品質(zhì)量控制的重要環(huán)節，基于機器視覺(jué)的缺陷檢測技術(shù)能夠檢測金屬制品、塑料制品、玻璃制品等各種產(chǎn)品，并檢出包括表面劃痕、凹陷、氣泡、裂紋等瑕疵，助力企業(yè)提高產(chǎn)品質(zhì)量，降低產(chǎn)品不良率。

在缺陷檢測過(guò)程中，常用的圖像處理技術(shù)包括數字圖像處理技術(shù)和機器視覺(jué)技術(shù)。數字圖像處理技術(shù)主要針對數字圖像，包括圖像的增強、濾波、分割和取樣等處理技術(shù)。而機器視覺(jué)技術(shù)則是基于數字圖像中的分割和模式識別，針對現有場(chǎng)景中的圖像進(jìn)行應用分析。

工業(yè)AI視覺(jué)系統通過(guò)搭載深度學(xué)習技術(shù)，能夠進(jìn)一步提高圖像處理的技術(shù)水平，該技術(shù)的引入還為缺陷檢測帶來(lái)了新的機遇，通過(guò)學(xué)習大量的歷史數據和模式，實(shí)現在更大范圍內、更高效率下發(fā)現潛在的缺陷。

同時(shí)，深度學(xué)習作為基于神經(jīng)網(wǎng)絡(luò )的機器學(xué)習方法，其核心是神經(jīng)網(wǎng)絡(luò )模型，通過(guò)深度神經(jīng)網(wǎng)絡(luò )模型能夠對原始數據進(jìn)行自動(dòng)學(xué)習提取特征、建立復雜特征、學(xué)習映射并輸出，還能處理大規模的數據，并通過(guò)對大量樣本的分析和學(xué)習，自行判斷產(chǎn)品是否存在質(zhì)量缺陷，實(shí)現缺陷檢測精準度和效率的提升。目前，深眸科技自主創(chuàng )新構建的工業(yè)AI視覺(jué)系統解決方案已在主流工廠(chǎng)中實(shí)現1000+生產(chǎn)線(xiàn)部署的落地應用。

工業(yè)AI視覺(jué)系統，覆蓋多個(gè)領(lǐng)域的缺陷檢測場(chǎng)景

在缺陷檢測領(lǐng)域，機器視覺(jué)可以應用于多個(gè)行業(yè)，包括3C電子、木材、汽車(chē)、醫藥、新能源等，而不同行業(yè)的缺陷檢測目標也各不相同。

3C電子領(lǐng)域

在工業(yè)領(lǐng)域，精沖件所采用的精沖工藝精度較高、產(chǎn)生的缺陷尺寸通常比較微小，同時(shí)精沖過(guò)后進(jìn)行的銑床加工會(huì )在產(chǎn)品表面留下大量明顯的銑痕，呈現出和缺陷相近的特征，從而影響缺陷的準確分辨。

針對精沖件工藝精度高、產(chǎn)品表面殘留大量銑痕以及缺陷特征相似等問(wèn)題，深眸科技通過(guò)自研的工業(yè)AI視覺(jué)系統，以高效算法、快速識別、精準檢出等優(yōu)勢，為精沖件缺陷檢測案例提供技術(shù)支持。

工業(yè)AI視覺(jué)系統通過(guò)多尺度特征融合訓練與小目標缺陷檢測技術(shù)，能夠將微小的缺陷尺寸特征進(jìn)行放大處理，將微小缺陷的檢出率提升至99%以上；還可以針對銑床加工后的痕跡具有統一方向性的特點(diǎn)，采用AI技術(shù)學(xué)習銑痕特征，生成對抗神經(jīng)網(wǎng)絡(luò )進(jìn)行銑痕缺陷背景融合，將背景類(lèi)缺陷紋理的抗干擾識別能力泛化性提升20%。

木材領(lǐng)域

在木材行業(yè)，傳統的木材表面缺陷檢測方式已經(jīng)無(wú)法滿(mǎn)足日益增長(cháng)的檢測需求，許多木材企業(yè)采用AI機器視覺(jué)技術(shù)，實(shí)現對木材表面快速且穩定的檢測。該技術(shù)不僅克服了傳統檢測效率低、缺陷檢出率低、勞動(dòng)強度大等弊端，而且加速提升了木材加工企業(yè)生產(chǎn)線(xiàn)的智能化程度。

針對木材作為天然材料缺陷種類(lèi)多、同種缺陷特征差異大等問(wèn)題，工業(yè)AI視覺(jué)系統基于A(yíng)I+機器視覺(jué)技術(shù)，能夠實(shí)時(shí)檢測木材表面缺陷，快速識別并保存數據。

該系統從工業(yè)相機拍攝的圖像中提取信息，進(jìn)行處理并加以理解，再通過(guò)AI算法對大量圖像樣片的學(xué)習，建立深度學(xué)習模型，提高了對圖像的分析能力，從而能夠分析更復雜對木材缺陷進(jìn)行圖像檢測，并實(shí)現自定義木材新的缺陷類(lèi)型。通過(guò)對信息的處理與理解，該系統能夠將信息傳遞給機械臂等外部執行機構，進(jìn)行缺陷木材的剔除，從而保障木材出廠(chǎng)質(zhì)量的合格。

隨著(zhù)工業(yè)AI視覺(jué)系統的持續升級與落地部署，基于深度學(xué)習技術(shù)的缺陷檢測也得到了更廣泛的應用。未來(lái)，隨著(zhù)技術(shù)的不斷進(jìn)步，我們將持續鉆研深度學(xué)習技術(shù)在工業(yè)檢測領(lǐng)域的應用，并致力于取得更大的突破，為視覺(jué)應用平臺的開(kāi)發(fā)提供更全面、高效的質(zhì)量保障手段。