La surface du radiateur de climatisation automobile présente des défauts dus à diverses raisons telles que le processus de fabrication ou la manipulation, et l'utilisation de contrôles manuels est inefficace et sujette à des erreurs. On utilise maintenant l'apprentissage profond pour remplacer l'intervention humaine.
Partager
1). Contexte du projet :
Description du besoin :
1. Le climatiseur présentera des défauts après la fin de la production et du manutentionnement, et il est nécessaire de détecter des défauts tels que la saleté, les dommages, le déplacement et l'enfoncement.
2. Changer le statu quo de l'efficacité et de la précision basses du contrôle manuel.
Exigences techniques :
1. Différentes catégories de défauts doivent être détectées et classifiées.
2. Le taux de détection doit être supérieur à 99,95 %, et le taux de détection erronée doit être contrôlé en dessous de 1 %.
3. Compatible avec différents types de produits.
2). Architecture de la solution :
En prenant en compte la forme du produit et l'organisation du site, le plan a sélectionné une caméra linéaire 2K pour la collecte de cartes, avec une source lumineuse linéaire haute intensité, afin de mettre en évidence les caractéristiques de détection du produit.
3). Avantages du programme :
1. Utiliser un algorithme d'apprentissage profond pour détecter les défauts et juger des catégories de défauts. Grâce à la collecte de défauts et à l'itération du modèle, le taux de reconnaissance global atteint plus de 99 %, et le contrôle d'inspection est inférieur à 2 %.
2. évaluation des catégories de défauts, promouvoir à l'envers l'amélioration et la promotion du processus client.
EN
