- 订阅上新提醒
质量检测是工业场景中最重要,也是最费时、最容易出现问题的地方。目前,产品的外观检测主要有两种方式:人工质检的方式和机器视觉的方式。采用人工质检的方式时,由于检测的质量完全依赖于工人,经验不够、疲劳、误操作都可能导致漏检、误检,并且人工的成本在不断增加,使得质检的成本也在不断上升。而中国制造2025需要质检系统全面升级,即由传统质检模式向智能质检模式演进,采用机器视觉进行质量检测是实现智能质检的重要手段。
早期的机器视觉更多采用传统的机器学习方法,如霍夫变换、边角检测、几何变换、贝叶斯分类、支持向量机等,虽然对硬件设备要求不高,但当识别的对象存在很多种形态变化、且特征难以人为定义时,性能较差,并且调参困难。而随着Alexnet第一次成功应用于图像识别,并取得较高的识别率,基于深度学习的机器视觉技术逐渐成为质检系统优先选择的方式。基于深度学习的机器视觉通过构建深度神经网络学习图像的特征,并在训练过程中不断优化,对各种复杂的缺陷都可以快速、精准的识别。
除了2D图像检测外,3D视觉检测也逐渐的应用到工业检测中。3D视觉检测具有对光照变化不敏感,并且可以在线检测快速移动目标的特点,通过3D相机获取目标物的点云信息,进而获得目标物的宽度、高度、体积、凸面积、凹面积、凸体积、凹体积等信息。对一些曲面上难以检测的瘪痕和轻微凹陷,电路板图形及焊锡表面状态,微小金属表面的一些较小的凹坑、凸起、变形等都可以实现快速、精准的检测。
为了更好的介绍当前工业缺陷检测中的解决方案,智东西公开课策划推出了深度学习工业质检合辑,聚焦讲解工业缺陷检测方案与技术创新。
目前已上线3讲,创新奇智工业智能部高级技术总监汤寅航、东声智能CEO韩旭和心鉴智控CEO罗晓忠三位大牛,详细讲解了工业质检中的常见的问题与解决方法。
深度学习工业质检合辑随后将更新并推出更多新的内容,敬请期待更多讲解。

