對產品的高要求以及較高的時間和成本壓力是所有行業和部門的決定性競爭因素。無論是在食品工業還是汽車工業中,如今,質量,安全性和速度都是決定公司成功的因素。目標是實現零缺陷生產。但是,如何保證只有完美無瑕的產品才能離開生產線呢?為了使質量檢查盡可能高效,簡單,可靠和具有成本效益,德國公司sendin GmbH開發了使用IDS的深度學習和工業相機的解決方案,以實現快速,強大的錯誤檢測。哨兵視覺系統使用基于AI的識別軟件,可以使用一些樣本圖像進行訓練。
對產品的高要求以及較高的時間和成本壓力是所有行業和部門的決定性競爭因素。無論是在食品工業還是汽車工業中,如今,質量,安全性和速度都是決定公司成功的因素。目標是實現零缺陷生產。但是,如何保證只有完美無瑕的產品才能離開生產線呢?如何避免導致高成本的錯誤質量決策?為了可靠地測試,質量保證中使用了各種各樣的方法。
可以用肉眼進行目視檢查,但通常容易出錯且價格昂貴:眼睛疲勞和工作時間昂貴。另一方面,機械測試通常伴隨著復雜的校準,即設置和調整軟件和硬件的所有參數,以檢測每個錯誤。此外,產品或材料的更改需要重新校準。此外,采用經典的基于規則的方法,程序員或圖像處理器必須為系統專門編程規則,以向系統解釋如何檢測錯誤。這很復雜,并且具有很大的錯誤變化,通常這是很難解決的艱巨任務。所有這些都會花費大量時間和金錢。
為了使質量檢查盡可能高效,簡單,可靠和具有成本效益,德國公司sendin GmbH使用IDS工業相機和深度學習來開發能夠快速而可靠地檢測錯誤的解決方案。這是因為,與傳統的圖像處理相比,神經網絡學會了根據圖像本身來識別特征。這正是智能哨兵VISION系統的方法。它使用基于AI的識別軟件,并且可以基于一些樣本圖像進行訓練。結合IDS的GigE Vision CMOS工業相機和評估單元,可以輕松地將其嵌入現有流程中。
應用
該系統能夠分割對象,圖案甚至缺陷。即使是難以檢測的表面也無法停止系統。可以在汽車工業(金屬表面的缺陷檢測)或陶瓷工業(通過在反射和鏡面可見凹痕的缺陷檢測)中找到經典應用,在食品工業(物體和圖案識別)中也可以找到經典應用)。
根據應用程序,對AI進行培訓以檢測錯誤或異常。借助后者,系統學會了區分好零件和壞零件。例如,如果檢查了表面結構,例如汽車行業的金屬零件或陶瓷零件,則人工智能會將誤差檢測為與參考圖像比較的偏差。通過使用異常檢測和預先訓練的模型,系統可以僅基于一些良好零件的樣本圖像來檢測缺陷。
培訓和評估所需的硬件設置包括IDS工業相機和適當的照明。使用參考圖像訓練使用的識別模型。例如,配置了一個系統和AI模型來對紡織工業中的織物網進行易于出錯的檢查。一項艱巨的任務,因為錯誤可能非常主觀且很小。根據特定的客戶要求,與IDS一起選擇了用于紡織品和幅材最佳圖像材料的系統相機。選擇了GigE Vision CMOS攝像頭(GV-5880CP),該攝像頭可提供以精確定時觸發的高分辨率數據,以進行準確的圖像評估。
該系統將學習構成“良好”織物結構的內容,并且從織物的幾幅鏡頭中就已經知道清潔無瑕的產品的外觀。為了進行質量檢查,IDS Vision CP攝像機捕獲的圖像然后通過GigE接口轉發到評估計算機,并用識別模型進行處理。然后,該計算機可以可靠地區分出好/壞零件并突出顯示偏差。發現錯誤時,它會提供輸出信號。這樣,可以快速,輕松地減少打滑和偽品。
滑點是指不符合標準但被忽略并因此未分類的產品所占的比例,通常會引起投訴。另一方面,偽劣產品是那些符合質量標準但仍被錯誤分類的產品。
系統的硬件和軟件都非常靈活:對于多個或更大的網絡,可以輕松將其他攝像機集成到設置中。如有必要,該軟件還允許對AI模型進行重新訓練。“經驗簡單地表明,由于個人情況小,總是需要一定數量的夜間訓練。有了我們產品組合中的預訓練模型,您需要的個性化和后期訓練參考圖像就更少了,”首席執行官兼聯合創始人克里斯蒂安·埃爾斯解釋說的哨兵。在這種情況下,圖像顯示了織物的結構化表面以及其上的一個小異常現象,該異常現象在右側的圖像中被濾除:
從物質記錄中提取的異常– sentin GmbH
相機
極其精確的圖像采集和精確的圖像評估是所用相機的最重要要求。非常適合:GigE Vision CMOS相機GV-5880CP。該型號具有1 / 1.8英寸卷簾CMOS傳感器Sony IMX178,可實現6.4 MP(3088 x 2076 px,長寬比3:2)的超高分辨率。在全分辨率下,其幀速率高達18 fps。因此,Sony STARVIS系列傳感器具有BSI技術(“背面照明”),是對光敏感度最高的傳感器之一,其暗電流低至SCMOS范圍(科學CMOS)。即使在非常弱的光線條件下,也可以確保令人印象深刻的結果。由于傳感器尺寸為1 / 1.8英寸,GigE Vision型號GV-5880CP可以使用各種C型安裝鏡頭。技術人員Arkadius Gombos表示:“除了分辨率和幀速率外,接口和價格也是決定攝像機的決定性因素。與IDS開發部門的直接交流幫助我們減少了攝像機集成所需的時間。” Sentin的經理。通過GenTL和Python界面可將其集成到sentin VISION系統中。
IDS的GigE Vision攝像機GV-5880CP確保在檢查織物時確保精確的圖像采集和準確的圖像評估– sentin GmbH
結論
與人工視覺檢查或常規機器視覺應用相比,具有人工智能的基于圖像的自動化質量控制具有許多優勢。Christian Els總結道:“在基于AI的圖像解釋中,目標是創建人類可以看到錯誤的圖像,因為AI模型也可以做到這一點。” 該系統學會識別類似于人類的產品需求。但是就一致性和可靠性而言,人工智能隨時會打敗人腦。即使大腦具有出色的峰值性能,人工智能也可以識別更為復雜的錯誤模式。另一方面,在疲勞和視力方面,人眼無法抵擋任何攝像機。結合深度學習識別軟件,因此,圖像處理系統可以實現特別快速和準確的檢查。根據應用的不同,圖像采集和評估可以在幾毫秒內完成。
該系統還可以應用于其他領域,例如表面測試。類似的應用是,例如對磨砂金屬/涂層表面(汽車內部),天然材料(石材,木材)或工業紡織品(如皮革)進行測試。因此,可以檢測到消費品上的劃痕,裂縫和其他缺陷,并分類出相應的產品。排除質量缺陷,只生產“好東西”,這是質量保證框架內必不可少的過程。IDS攝像頭與sendin GmbH的深度學習支持軟件相結合,極大地優化了質量控制中缺陷和物體的檢測。這可以在許多行業和領域中顯著減少投訴和返工以及偽造廢品的人員和時間支出。
責任編輯:gt
-
相機
+關注
關注
4文章
1435瀏覽量
54490 -
AI
+關注
關注
87文章
34294瀏覽量
275474 -
自動化
+關注
關注
29文章
5748瀏覽量
81669
發布評論請先 登錄
岸橋箱號識別系統如何工作?揭秘AI圖像識別技術!
自動化標注技術推動AI數據訓練革新
自動化巨頭布局生成式AI,先瞄準PLC編程?
基于 Docker 與 Jenkins 實現自動化部署

AI工作流自動化是做什么的
自動化AI開發平臺功能介紹
AI大模型在圖像識別中的優勢
開關電源自動化測試設備:如何實現自動化測試?

評論