Die Oberfläche des Klimageradiators ist aufgrund des Verfahrens, der Handhabung und anderer Gründe defekt, und die Verwendung der manuellen Erkennung ist ineffizient und leicht zu missverstehen. Deep Learning wird nun verwendet, um das Handbuch zu ersetzen.
Teilen
1). Projekthintergrund:
Anforderungsbeschreibung:
1. Der Klimaanlage wird nach Abschluss der Produktion und des Handlings Mängel aufweisen, und es ist notwendig, Mängel wie Schmutz, Schäden, Verschiebungen und Dellen zu erkennen.
2. Veränderung des bestehenden Zustands mit niedriger Effizienz und geringer Genauigkeit bei der manuellen Inspektion.
Technische Anforderungen:
1. Verschiedene Mängelkategorien müssen erkannt und klassifiziert werden.
2. Die Erkennungsrate muss über 99,95 % liegen, und die Falschdetektionsrate bleibt unter 1 % kontrolliert.
3. Kompatibel mit verschiedenen Produkttypen.
2). Lösungsarchitektur:
Unter Berücksichtigung der Form des Produkts und der Organisation des Standorts wählte das Konzept eine 2K Linearscan-Kamera für die Kartenaufnahme, mit einer Hochleistungs-Linearscan-Beleuchtungsquelle, um die Produktprüfcharakteristiken hervorzuheben.
3). Programmvorteile:
1. Verwenden Sie einen Tiefenlernalgorithmus zur Erkennung von Mängeln und zur Beurteilung der Mängelkategorien. Durch Mängelsammlung und Modelliteration erreicht die Gesamt-Erkennungsrate mehr als 99 %, und die Prüfkontrolle liegt unter 2 %.
2. Kategorie Bewertung von Mängeln, umgekehrt Förderung der Kundenprozessverbesserung und -förderung.
EN
