感知视觉系统使用基于人工智能的识别软件，可以使用少量样本图像进行训练。与IDS的GigE Vision CMOS工业相机和评估单元一起，它可以很容易地嵌入到现有的工艺中。gydF4y2Ba

使用人工智能自动化基于图像的检查gydF4y2Ba

文章来自b|gydF4y2BaIDS成像gydF4y2Ba

20年9月23日上午5点25分gydF4y2Babdapp安卓手机版 ，gydF4y2Ba移动机器人gydF4y2Ba|gydF4y2BaIDS成像开发系统公司。gydF4y2Ba|gydF4y2Ba人工智能gydF4y2Ba，gydF4y2Ba计算机视觉gydF4y2Ba，gydF4y2Ba机器视觉gydF4y2Ba

对产品的高要求以及高时间和成本压力是所有行业和部门的决定性竞争因素。无论是在食品行业还是汽车行业，质量、安全和速度比以往任何时候都更能决定一家公司的成功。零缺陷生产是我们的目标。但是如何保证只有完美的产品离开生产线呢?为了使质量检测尽可能高效、简单、可靠和具有成本效益，德国公司sentin GmbH开发了使用IDS的深度学习和工业相机的解决方案，以实现快速和强大的错误检测。感知视觉系统使用基于人工智能的识别软件，可以使用少量样本图像进行训练。与IDS的GigE Vision CMOS工业相机和评估单元一起，它可以很容易地嵌入到现有的工艺中。gydF4y2Ba

对产品的高要求以及高时间和成本压力是所有行业和部门的决定性竞争因素。无论是在食品行业还是汽车行业，质量、安全和速度比以往任何时候都更能决定一家公司的成功。零缺陷生产是我们的目标。但是如何保证只有完美的产品离开生产线呢?如何避免导致高成本的错误质量决策?为了可靠地测试这一点，在质量保证中使用了多种方法。gydF4y2Ba

用肉眼进行目视检查是可能的，但它往往容易出错，而且费用昂贵:眼睛会疲劳，工作时间也很昂贵。另一方面，机械测试通常伴随着复杂的校准，即设置和调整软件和硬件的所有参数，以检测每一个错误。此外，产品或材料的变化需要重新校准。此外，使用经典的基于规则的方法，程序员或图像处理器必须专门为系统编写规则，以便向系统解释如何检测错误。这是一项复杂的任务，而且误差的变化非常大，往往是一项难以解决的艰巨任务。所有这些都要花费大量的时间和金钱。gydF4y2Ba

为了使质量检测尽可能高效、简单、可靠和具有成本效益，德国公司sentin GmbH使用IDS工业相机和深度学习开发解决方案，实现快速和强大的错误检测。这是因为，与传统的图像处理不同，神经网络在图像本身的基础上学习识别特征。这正是智能感知视觉系统的方法。它使用基于人工智能的识别软件，可以根据少量样本图像进行训练。与IDS的GigE Vision CMOS工业相机和评估单元一起，它可以很容易地嵌入到现有的工艺中。gydF4y2Ba

应用程序gydF4y2Ba

该系统能够分割对象、模式甚至缺陷。即使是难以检测的表面也不能使系统停止。经典的应用可以在汽车工业(金属表面的缺陷检测)或陶瓷工业(通过在反射和镜像表面上可见凹痕进行缺陷检测)中找到，但也可以在食品工业(对象和模式识别)中找到。gydF4y2Ba

根据不同的应用，人工智能被训练来检测错误或异常。使用后者，系统学会区分好部件和坏部件。例如，如果检测表面结构，看到汽车工业中的金属部件或陶瓷部件，人工智能会将错误检测为与参考图像比较的偏差。通过使用异常检测和预训练模型，该系统可以仅根据少量良好部件的样本图像检测缺陷。gydF4y2Ba

培训和评估所需的硬件设置包括IDS工业相机和适当的照明。使用的识别模型是使用参考图像进行训练的。例如，为纺织行业中容易出错的织物网检查配置了一个系统和人工智能模型。这是一项艰巨的任务，因为错误可能是非常主观和非常小的。根据客户的具体要求，与IDS一起选择了适合织物和卷筒织物最佳成像材料的系统摄像机。选择了GigE Vision CMOS相机(GV-5880CP)，该相机提供高分辨率数据，具有精确的定时触发，用于准确的图像评估。gydF4y2Ba

该系统了解了“良好”面料结构的构成，并从几张面料的照片中知道干净无瑕的产品是什么样子。为了进行质量检测，IDS Vision CP摄像机拍摄的图像通过GigE接口转发到评估计算机，并与识别模型进行处理。然后，这台计算机可以可靠地区分好/坏零件并突出显示偏差。当发现错误时，它给出一个输出信号。这样可以快速、方便地减少滑移和伪废品。gydF4y2Ba

滑点是指不符合标准的产品比例被忽视，因此没有进行分类，经常导致投诉。另一方面，伪不合格品是那些符合质量标准但却被错误分类的产品。gydF4y2Ba

系统的硬件和软件都很灵活:对于多个或更宽的网络，可以很容易地将额外的摄像头集成到设置中。如有必要，该软件还允许对人工智能模型进行重新训练。“经验只是表明，由于个别情况，一定数量的夜间训练总是必要的。有了我们投资组合中的预训练模型，你需要更少的参考图像来进行个性化和后期培训，”sentin的首席执行官兼联合创始人Christian Els解释道。在这种情况下，图像显示了织物的结构表面和它上面的一个小异常，这在右边的图像中被过滤掉了:gydF4y2Ba

从一种物质的记录中提取的异常-感应有限公司gydF4y2Ba

相机gydF4y2Ba

极其准确的图像采集和精确的图像评估是对所使用的相机最重要的要求之一。非常适合:GigE Vision CMOS相机GV-5880CP。该机型有一个1/1.8英寸的滚动快门CMOS传感器索尼IMX178，可以实现6.4 MP (3088 x 2076像素，宽高比3:2)的高分辨率。它在全分辨率下提供高达18 fps的帧率，因此是质量控制可视化任务的理想选择。索尼STARVIS系列传感器采用BSI技术(“背面照明”)，是最光敏的传感器之一，具有接近SCMOS范围(科学CMOS)的低暗电流。即使在非常低的光照条件下，它也能确保令人印象深刻的效果。由于传感器尺寸为1/1.8英寸，因此可为GigE Vision相机型号GV-5880CP提供多种c卡口镜头。“除了分辨率和帧率，接口和价格是决定相机的决定性因素。与IDS开发部门的直接交流帮助我们减少了相机集成所需的时间，”sentin技术经理Arkadius Gombos说。与感知视觉系统的集成是通过GenTL和Python接口完成的。gydF4y2Ba

来自IDS的GigE Vision摄像机GV-5880CP在检测织物织物时确保精确的图像采集和准确的图像评估gydF4y2Ba

结论gydF4y2Ba

与人类视觉检查或传统机器视觉应用相比，人工智能的自动化、基于图像的质量控制具有许多优势。“在基于人工智能的图像解释中，目的是创建人类可以看到错误的图像，因为这样人工智能模型也可以做到这一点，”克里斯蒂安·埃尔斯总结道。该系统学会像人类一样识别产品的需求。但在一致性和可靠性方面，人类的大脑随时都被人工智能打败。即使大脑能够达到卓越的巅峰表现，人工智能也可以识别出更复杂的错误模式。另一方面，人眼在疲劳和视觉方面无法承受任何相机。因此，结合深度学习识别软件，图像处理系统可以实现特别快速和准确的检查。根据应用程序的不同，图像采集和评估可以在几毫秒内完成。gydF4y2Ba

该系统还可以应用于其他领域，如表面测试。类似的应用包括哑光金属/涂层表面(汽车内饰)、天然材料(石材、木材)或技术纺织品(如皮革)的测试。从而可以检测到消费品上的划痕、裂纹和其他缺陷，并对相应的产品进行分类。排除质量缺陷，只生产“好东西”——这是质量保证框架内不可或缺的过程。IDS相机结合sentin GmbH的深度学习支持软件，显著优化了质量控制中缺陷和物体的检测。这使得在广泛的行业和领域中，投诉和返工以及伪不合格品所花费的人员和时间大大减少。gydF4y2Ba

本文的内容和观点是作者的，并不一定代表roboticstomorow的观点半岛app官网gydF4y2Ba

---

特色产品gydF4y2Ba

Pleora Technologies -简化的电子产品视觉检查AIgydF4y2Ba

Pleora的视觉检测系统帮助操作员检测独特组件类型、装配步骤和定制低运行产品的错误和缺陷，其中自动光学检测(AOI)过于复杂和昂贵。该系统帮助DICA电子:使用跟踪和报告应用程序加快检测现场错误的根本原因，以实现可追溯性，在要求培训新员工或在任何新产品添加时与员工保持一致性，在不需要编程技能的情况下轻松地使用多条产品线的“好产品”图像培训系统，减少主观决策，特别是在长时间轮班时。减少error-escapes。gydF4y2Ba

更多的产品gydF4y2Ba

产品特色gydF4y2Ba