传统上,识别生产中的缺陷和划痕需要具有丰富经验的技术人员的敏感性和知识。但由于劳动力成本上升和熟练劳动力短缺,制造商需要使曾经依赖有经验的人类工人感觉的流程自动化。


利用AI和机器视觉检测缺陷和划痕的技术分析


为了在“未来工厂”中解决这一挑战,欧姆龙整合了人工智能(AI)和机器视觉,开发了两种新的解决方案:“ AI Fine Matching”和“ AI Scratch Detect Filter”。


利用AI和机器视觉检测缺陷和划痕的技术分析

AI 现在可以像人类一样有效地识别物体特征,并自动动态学习关键参数


在某些情况下,人工智能现在可以像人类一样有效地识别物体特征,并自动动态学习关键参数。虽然许多人工智能方法面临海量图像数据、专业硬件、特殊环境和工程专业知识的综合挑战,但欧姆龙在避免这些障碍方面取得了巨大进步,为广泛部署打开了大门。


AI精细匹配


AI Fine Matching 结合了图像处理系统,该系统结合了欧姆龙新的 FH 系列视觉系统和基于公司 AI 技术的缺陷检测系统。使用新的基于 AI 的图像过滤器,该过滤器重现了熟练的检查员用来识别任何产品背景上的缺陷的技术,它可以识别缺陷和细微缺陷,并可靠地区分正常和异常产品。


不需要有缺陷的学习样本。AI Fine Matching 工具从无缺陷产品的图像数据中学习,以快速获得检验员多年积累的“专业知识”。尽管灵敏度取决于产品,但在许多情况下,它可以达到或超过人工检查员的缺陷检测率。可以在 FH 系列视觉系统的设置中设置可接受的偏差容差。


“我们将人工智能部署到我们的视觉系统中的方式是帮助和简化视觉系统的设置和配置,使制造商更容易部署它们,”欧姆龙英国营销经理 Dan Rossek 说。“我们使用机器学习算法来设置视觉系统,而不是训练有素的工程师。他会查看您试图识别的缺陷,然后配置带有检查制度和检查工具的程序,使其能够区分好零件和坏零件——这可能基于模式、相关性、对比度等和颜色。”


该算法使该过程自动化。它用一批好的零件进行训练,人工智能系统会寻找好的零件的特征以及变化(产品本身总会有一些可接受的变化)。


“这就是您对系统进行编程所需的全部工作,” Dan 继续说道。“然后,该系统能够检测到任何超出“良好”部件范围的东西。这使其成为高产品组合制造或新零件的理想选择,因为针对不同产品的培训既快速又简单。加载它的过程基本上只是训练一系列图像。”


经过训练后,AI Fine Matching 视觉系统可提供 100% 一致的结果。


AI划痕检测过滤器


AI 划痕检测过滤器通过使用视觉系统和 AI 算法来识别表面划痕,该算法可复制熟练检查员的灵敏度水平,而无需使用样本或调整。


应用的主要领域是汽车工业。然而,这项技术非常具有挑战性,Dan 评论道:“汽车制造商希望达到 100% 的检验满意度,但在光亮的表面上很难发现划痕或缺陷,尤其是当汽车涂有多种颜色时。例如,您不仅需要为每个单独的产品配置视觉系统,还需要配置颜色、表面处理,以及它是金属的还是哑光的。”


通过开发新算法,欧姆龙消除了与此任务相关的所有复杂性。“首先,AI 划痕检测过滤器系统拍摄图像,然后通过一组过滤器运行图像以从表面分离出划痕。当系统在内部循环所有过滤和检查算法时,汽车的颜色或表面光洁度不会产生任何影响,因为它只是确定最适合该应用的一种。这使得设置和部署变得非常容易, ”Dan 总结道。


能够检测表面划痕对许多制造部件都有好处,包括塑料模制品、挤出塑料薄膜和由玻璃或透明聚合物制成的光学部件。另一个应用可能是检查卷筒纸印刷过程中的纸张质量。欧姆龙AI划痕检测过滤系统作为其独创的面向汽车行业开发的成果,将应用于提升众多产品的品质。



免责声明

我来说几句

不吐不快,我来说两句
最新评论

还没有人评论哦,抢沙发吧~