कार के एयर कंडीशनिंग रेडिएटर की सतह प्रक्रिया, हैंडलिंग और अन्य कारणों से दोषपूर्ण है, और मैनुअल डिटेक्शन का उपयोग अप्रभावी है और गलत आंकलन करना आसान है। मैनुअल की जगह अब डीप लर्निंग का उपयोग किया जाता है।
साझा करनापरियोजना की पृष्ठभूमि:
आवश्यकता का वर्णन:
1. उत्पादन और हैंडलिंग के पूरा होने के बाद एयर कंडीशनर में दोष होंगे और इस प्रकार की खराबी जैसे कि गंदगी, क्षति, विस्थापन और इंद्रधनुष का पता लगाना आवश्यक है।
2. मैनुअल डिटेक्शन की कम दक्षता और कम सटीकता के यथास्थिति को बदलना।
तकनीकी आवश्यकताएं:
1. दोषों की विभिन्न श्रेणियों का पता लगाने और वर्गीकरण करना आवश्यक है।
2. पता लगाने की दर 99.95% से ऊपर होनी चाहिए और झूठे पता लगाने की दर 1% से कम नियंत्रित की जानी चाहिए।
विभिन्न उत्पाद प्रकारों के साथ संगत।
समाधान वास्तुकलाः
उत्पाद के आकार और साइट के संगठन को ध्यान में रखते हुए, योजना ने उत्पाद की पहचान विशेषताओं को उजागर करने के लिए उच्च-प्रकाश रैखिक सरणी प्रकाश स्रोत के साथ नक्शे संग्रह के लिए 2k रैखिक सरणी कैमरा चुना।
कार्यक्रम के फायदे:
1. दोषों का पता लगाने और दोष श्रेणियों का न्याय करने के लिए डीप लर्निंग एल्गोरिथ्म का उपयोग करें। दोष संग्रह और मॉडल पुनरावृत्ति के माध्यम से, व्यापक पहचान दर 99% से अधिक तक पहुंच जाती है और निरीक्षण नियंत्रण 2% से कम है।
2. दोषों का वर्गीकरण, ग्राहक प्रक्रिया में सुधार और प्रचार को बढ़ावा देना।