而传统的机器视觉检测在图像处理和瑕疵定位等方面有所欠缺,导致瑕疵检测的准确率低,性能不稳定,而且对于流水线实现智能自动检测非常有难度。由此可见,无论是传统的机器视觉检测,还是“肉眼”检测产品外观质量的能力和效率以及准确率和范围都是非常有限的。为了契合日趋严苛的高 效高标准瑕疵检测需求,55直播网 测量推出基于深 度学习的HxGN Visual Detection瑕疵检测软件系统,解决客户在产品表面瑕疵检测环节遇到的各种问题。
学习速度快:HxGN Visual Detection瑕疵检测软件可根据训练集评估,生成可应用的高效学习模型。HxGN Visual Detection通过切换多种自主研发的机器学习模型。针对某一类缺陷,输入10个或更多的缺陷样本,系统即可通过AI深度学习建立自己的NG数据库,从而形成针对该种类缺陷的神经网络。
识别判断准:有效的完成高干扰背景下的缺陷识别和不规律的图像分析,达到人眼识别水准,并且多层神经网络层比如卷积神经网络,循环神经网络,深度神🅷经网络,长短期记忆网络等高效地对学习模型进行了有效训练,使得瑕疵检测率🦂高达95%以上并具有灵活的的多功能扩展性。
检测效率高:当被检测工件通过成像系统,即可被智能识别、标记和分类。系统使用GPU处理图片ꩵ,可多GUP并行,检测时间可低至毫秒级。测量过程中的图片进一步学习,从而减少优化过程,并且配合自动化实现在线完成零件外观瑕疵的OK/NG判断和分BIN。
可检测的主要瑕疵类型有(但不限于):