欧姆龙丨拒绝机械化检测!人类的经验判断,如今AI也能做到

2020-08-12 09:03:57点击:

欧姆龙丨拒绝机械化检测!人类的经验判断,如今AI也能做到

我们都知道,目前视觉检测技术在工业领域的应用已经非常成熟,但是否代表着可以完完全全替代人眼了呢?答案是否定的。因为在部分的产品外观检测中,依然需要熟练技术人员的感性和经验来判断,例如判断各种颜色和尺寸的划痕、产品本身有很大差异时如何判定缺陷产品等。


2020080719.jpg 


dv1888.net 在如今熟练技术人员短缺和人工成本急剧上升的背景下,要全部依赖人工来做判断,明显是不现实的,因此各大自动化厂商纷纷加入了AI检测的研究中,但要使其投入实际应用,必须准备大量的图像数据供AI学习,还有AI工程师的保障、需要在现场安装特殊的AI硬件等课题,导致至今都未能成功将AI真正地引入生产现场。


2020080720.jpg 


欧姆龙敢于“先人一步”,率先将这项突破性的技术,搭载于自己的图像处理系统中,并使其运用于实际的生产过程,让我们共同目睹一下,究竟AI检测,是否能够再现人类的经验判断吧~


    -- 应用效果实测 --

    金属冲压零件的划痕检测


以金属冲压零件的划痕检测为例,例如我们拍摄到的图像为下图所示。


2020080721.jpg 


dv1888.net 以往,需通过指定工件表面的颜色信息,或需要检出的划痕尺寸来对划痕做出定义。但在有大量背景干扰的情况下,对于划痕的定义是非常困难的,经常会出现将刻印误判为划痕的案例。


2020080722.jpg 

    -- 无法区分划痕或干扰-- 



欧姆龙搭载AI的图像处理系统,能够自动抽取出被推测为划痕的部位,不通过颜色、亮度来定义,而是利用AI来抽取划痕本身,使得稳定检测变为可能,不再依赖于熟练技术人员的经验判断。


2020080723.jpg 



神奇的

AI划痕抽取过滤


欧姆龙的图像处理过滤器,预先学习了“人感觉是划痕的图像特征”。即使没有定义划痕,例如用传统方法很难自动化检测的“不可预测的尺寸、形状、颜色”等,AI也能判断并抽取划痕的特征。


2020080724.jpg 


学习数据包括欧姆龙迄今为止积累的图像,可以检测不确定背景中的缺陷,例如加工面上的缺陷,这是传统方法难以实现的。


2020080725.jpg 


在实际生产现场,最令人头疼的,就是明明有划痕等产品缺陷,却被图像处理系统漏判,认定是良品。


2020080726.jpg 


dv1888.net 明明没有划痕等缺陷,却被图像处理系统将刻印误判为划痕,认定不良品。


2020080727.jpg 


dv1888.net 如此不仅增加了不良品的流出几率,而且最终仍然要回归至人工检测,材料浪费与人员作业工时双重的成本叠加,是任何一家生产厂商都无法承受的。


dv1888.net     无需定义和学习,可自动检测各种划痕


通过AI技术,摆脱了对于人类“感性和经验”的依赖,实实在在为生产现场带去价值,目前包括金属冲压零件的划痕检测在内,我们还在各行业的多工艺中进行了实测,效果显著!


一、磨砂(喷砂)金属表面刮擦



2020080728.jpg


dv1888.net 二、树脂类制品表面划痕


2020080729.jpg 


三、拉丝面上的暗色划痕


2020080730.jpg 


四、拉丝面上/存在阴影的浅色划痕


2020080731.jpg 


dv1888.net 可以稳定地抽取以上各种材质、颜色和尺寸的划痕(以前需要先定义划痕),且无需进行调整。如果您已经心动了,赶紧向联络当地的事务所,自己亲自来感受下吧~