基于机器学习的表面缺陷检测系统

使用btc365Artificial intelligence(ai)深度学习对复杂多变的产品外观进行有效识别和判断,内建的深度学习建立多层神经网络,特殊的图像处理方式和复杂的算法,使缺陷的漏判率可以达到“零”,解决了多年来人工判别的漏检和错检问题。其极快的判断速度和高准确性满足在线检测的需求,为智能制造行业的“工业4.0”和“中国制造2025”提供了可靠的技术保障。

项目背景

板材是汽车、机械制造、化工、航空航天、造船、建筑、装饰等行业不可缺少的原材料。表面缺陷是指板材在生产加工的过程中,由于工艺或其它各种原因致使表面局部区域物理或化学性质不均匀。常见的表面缺陷有辊印、污渍、划痕、孔洞、漏涂、凹陷、气泡、异物、剥落等。表面缺陷是原子活性较高的部位,常常成为金属腐蚀的始发处,表面缺陷的存在会大大降低零件的抗疲劳强度,有损零件表面的质量,影响机器、仪器的使用性能和寿命,影响其最终产品的性能和质量。因此及时检测板材表面缺陷,对缺陷进行严重程度评价,对于提高表面质量和产品经济效益有着重要意义。

行业痛点

行业存在明显痛点。传统缺陷检测均在工厂中由人工完成,每个工厂检测相关人员占全员比甚至超过50%,人工成本消耗巨大。同时,工人长期在高度注意力集中的情况下,人的视觉疲劳度会大大增加,检测有效性及稳定性也会受到影响。

板材缺陷检测难度较高。在生产线机器高速运转的情况下,很多缺陷由人眼进行识别的难度较高,人眼识别跟不上铝板彩涂的生产速度。

 

方案优势

technical advantages

  • 先进稳定可靠

    掌握最前沿的机器学习、深度学习算法,提供稳定、精确、可靠的技术服务

  • 精度高 速度快

    可毫秒级快速响应各种图像识别和币投网具体场景,通过数据训练不断提高识别效果,准确率可达99%以上

  • 技术经验丰富

    成功落地多个行业、多个场景的硬件、软件解决方案,极大提高了生产力和生产质量

适用场景

Usage scenario

汽车零部件检测

电子配件检测

建材表面缺陷检测

纺织品表面缺陷检测

皮革制品缺陷检测

移动设备表面缺陷检测

Copyright © 2017-2021.hairong All rights reserved.btc365登录    津ICP备19008817号