自動(dòng)化的外觀缺陷檢測(cè)一直是個(gè)挑戰(zhàn)性的工作。

在過(guò)去，計(jì)算機(jī)視覺(jué)工作需要幾個(gè)月的編碼和調(diào)試。

然而，現(xiàn)在有一種更有效的方法，利用深度學(xué)習(xí)來(lái)解決機(jī)器視覺(jué)問(wèn)題。

現(xiàn)在，這些智能機(jī)器可以學(xué)習(xí)如何使用基于人類學(xué)習(xí)的示例訓(xùn)練來(lái)識(shí)別缺陷。

深度學(xué)習(xí)技術(shù)使用神經(jīng)網(wǎng)絡(luò)，模擬人類智能，在容忍復(fù)雜模式自然變化的同時(shí)，區(qū)分化妝品異常?；谏疃葘W(xué)習(xí)的系統(tǒng)擅長(zhǎng)檢查復(fù)雜的表面和外觀缺陷，如光滑、光亮或粗糙零件上的劃痕和凹痕。

智能檢測(cè)技術(shù)在提高生產(chǎn)率、重復(fù)性和生產(chǎn)能力方面取得了成功。麥肯錫稱，如果制造商使用先進(jìn)的圖像識(shí)別技術(shù)進(jìn)行視覺(jué)檢測(cè)和檢測(cè)，生產(chǎn)率可能會(huì)提高50%?；谌斯ぶ悄芑蛉斯ぶ悄艿膱D像識(shí)別與人工檢測(cè)相比，可以提高高達(dá)90%的缺陷檢測(cè)率。

人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)?定義

智能機(jī)器的智能化取決于使用的人工智能類型——機(jī)器學(xué)習(xí)或深度學(xué)習(xí)。這些術(shù)語(yǔ)通?？梢曰Q使用，但技術(shù)不同。

在高層次上，人工智能是以模仿人類獨(dú)特的推理能力為目標(biāo)，利用軟件使機(jī)器智能化的一般領(lǐng)域。機(jī)器學(xué)習(xí)使用算法從數(shù)據(jù)中發(fā)現(xiàn)模式并產(chǎn)生洞察力。機(jī)器學(xué)習(xí)利用深度學(xué)習(xí)、回歸分析、貝葉斯網(wǎng)絡(luò)、邏輯規(guī)劃和聚類等技術(shù)將人工智能應(yīng)用到系統(tǒng)中。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，它通過(guò)創(chuàng)建人工神經(jīng)網(wǎng)絡(luò)（ann）來(lái)模擬人腦中的神經(jīng)網(wǎng)絡(luò)。就像人腦解決問(wèn)題一樣，軟件接受輸入、處理輸入并生成輸出。該方法使用通過(guò)訓(xùn)練程序調(diào)整的權(quán)重來(lái)教神經(jīng)網(wǎng)絡(luò)如何正確響應(yīng)輸入。因此，更多的重復(fù)教學(xué)使人工神經(jīng)網(wǎng)絡(luò)更強(qiáng)大，從而更好地識(shí)別或預(yù)測(cè)。它就像一個(gè)孩子學(xué)習(xí)識(shí)別字母表或乘法表。

在工廠部署自動(dòng)化缺陷檢測(cè)

人們?cè)絹?lái)越需要檢測(cè)消費(fèi)電子產(chǎn)品和醫(yī)療設(shè)備中的微米級(jí)缺陷。與測(cè)量特定零件位置的計(jì)量學(xué)不同，缺陷出現(xiàn)在多個(gè)位置和組合中。例如，智能手機(jī)可能在多個(gè)地方有劃痕、凹痕和缺口，包括外殼、曲面和護(hù)蓋玻璃。制造商需要對(duì)整個(gè)零件進(jìn)行加工以捕獲這些缺陷。

深度學(xué)習(xí)系統(tǒng)可以檢測(cè)智能手機(jī)外殼上的缺陷（右圖）。

深度學(xué)習(xí)在醫(yī)療器械制造業(yè)也有一些用途。可發(fā)現(xiàn)股骨膝關(guān)節(jié)假體劃傷等缺陷，并可對(duì)3類器械的包裝密封進(jìn)行檢查。深度學(xué)習(xí)視覺(jué)還確保在裝配驗(yàn)證過(guò)程中所有組件都存在于包中，例如外科工具包中的零件。除了缺陷檢測(cè)之外，深度學(xué)習(xí)還可以經(jīng)常對(duì)缺陷類型進(jìn)行分類，從而實(shí)現(xiàn)閉環(huán)過(guò)程控制。

當(dāng)培訓(xùn)一個(gè)深度學(xué)習(xí)系統(tǒng)時(shí)，重要的是創(chuàng)建一個(gè)樣本圖像的數(shù)據(jù)集來(lái)構(gòu)建和培訓(xùn)模型，從每個(gè)缺陷30到50個(gè)圖像開(kāi)始，每個(gè)好的部分?jǐn)?shù)量相同。然后可以添加新圖像以反映錯(cuò)誤的拒絕和接受案例。通過(guò)定義一系列零件、材料和缺陷類型，制造商可以強(qiáng)調(diào)培訓(xùn)集的可變性。還建議兩位人類專家對(duì)圖像進(jìn)行獨(dú)立分級(jí)以供驗(yàn)證，并確認(rèn)他們的判斷之間的一致性。通常每個(gè)缺陷需要一周的時(shí)間來(lái)訓(xùn)練模型。

在選擇最佳圖像來(lái)訓(xùn)練系統(tǒng)時(shí)，垃圾輸入、垃圾輸出的概念至關(guān)重要。在預(yù)期的光照和光學(xué)條件下，收集好的和壞的部分的圖像數(shù)據(jù)集是理想的。捕捉困難表面的高對(duì)比度圖像-如玻璃和鏡面紋理彩色材料-需要定制的照明技術(shù)、先進(jìn)的成像和精確的零件操作。

與右側(cè)的高分辨率圖像相比，左側(cè)的低對(duì)比度圖像中的缺陷很難檢測(cè)。

低質(zhì)量的圖像使軟件和人工評(píng)分者都難以進(jìn)行培訓(xùn)，從而導(dǎo)致分類和重復(fù)性問(wèn)題。為了盡量減少假陰性和陽(yáng)性，嘗試使用5到10像素的高對(duì)比度圖像來(lái)描述最小的缺陷。例如，當(dāng)檢查智能手機(jī)上的劃痕時(shí)，機(jī)器視覺(jué)將放大以聚焦在5微米分辨率級(jí)別的圖像上。具有高質(zhì)量的圖像可以幫助分級(jí)人員驗(yàn)證圖像，并幫助軟件識(shí)別劃痕缺陷和可接受的加工標(biāo)記之間的差異。

當(dāng)深度學(xué)習(xí)視覺(jué)系統(tǒng)準(zhǔn)備好進(jìn)行批量生產(chǎn)檢查時(shí)，請(qǐng)考慮使用兩層檢查方法。在第1層中，對(duì)所有零件使用具有深度學(xué)習(xí)機(jī)器視覺(jué)的自動(dòng)檢查。然后在第2層中，手動(dòng)確認(rèn)所有邊界缺陷零件的結(jié)果。 這為深度學(xué)習(xí)系統(tǒng)的增量式訓(xùn)練改進(jìn)提供了可靠度和冗余度。

無(wú)論是用于特征的定位、讀取、檢測(cè)或分類，基于深度學(xué)習(xí)的圖像分析都是一種快速、靈活的提高零件質(zhì)量的方法。

如果你的工業(yè)生產(chǎn)線中，可能用的到機(jī)器視覺(jué)或深度學(xué)習(xí)方面的技術(shù)，那不妨和我們盈泰德科技聊聊，我們會(huì)先根據(jù)你的需求分析，從一個(gè)專業(yè)的角度免費(fèi)來(lái)給你設(shè)計(jì)一個(gè)合適你的方案，然后聽(tīng)取你的意見(jiàn)，再詳細(xì)洽談，最后即使沒(méi)能達(dá)成合作，我們也非常希望能多認(rèn)識(shí)個(gè)朋友。