L'efficacité de la classification manuelle des moyeux de roue est faible et le taux d'erreur est élevé. La solution de vision par ordinateur présente les avantages d'une structure simple, d'un taux de reconnaissance élevé, d'une grande précision et d'une forte capacité de résistance aux interférences, ce qui peut répondre aux exigences de production automatique.
Partager
i. Contexte du projet :
Description du besoin :
1. Après la production et le transport des roues, différents types de roues doivent être classifiés pour un tri et un emballage ultérieurs.
2. L'efficacité de l'identification par méthode manuelle est faible, avec des coûts de main-d'œuvre élevés et une faible précision.
Exigences techniques :
1. Précision de reconnaissance : >99,9 %
2. Types de roues identifiés : >200 types
iI. Architecture de la solution :
Le système de détection du type de jante utilise un appareil photo haute résolution de 1,3 mégapixels de Haitianxiang, associé à une grande source lumineuse à surface perforée moyenne, et utilise des outils de classification d'apprentissage profond pour réaliser l'identification et la classification automatiques de diverses roues en état de flux mixte aléatoire sur la bande transporteuse de la ligne de production.
iII. Avantages du programme :
1. Reconnaissance précise : la formation initiale du modèle a collecté 80-100 échantillons de chaque type, le taux de reconnaissance global peut atteindre plus de 99 %, grâce à l'itération sur le terrain, la précision finale de reconnaissance dépasse 99,99 %.
2. Grande capacité de reconnaissance : Les algorithmes de classification basés sur l'apprentissage profond utilisent des réseaux neuronaux convolutifs et de grands échantillons de données pour améliorer la capacité de reconnaissance.
EN
