Permukaan radiator AC mobil mengalami cacat akibat proses, penanganan, dan faktor lainnya, sehingga penggunaan pemeriksaan manual tidak efisien dan mudah salah. Saat ini, pembelajaran mendalam digunakan untuk menggantikan pekerjaan manual.
Bagikan1) dan Latar belakang proyek:
Deskripsi persyaratan:
1. Kondisi pendingin udara akan mengalami cacat setelah penyelesaian produksi dan penanganan, dan diperlukan untuk mendeteksi cacat seperti kotoran, kerusakan, kelainan, dan penyok.
2. Mengubah status quo efisiensi rendah dan akurasi rendah dari pemeriksaan manual.
Persyaratan teknis:
1. Kategori cacat yang berbeda harus dideteksi dan diklasifikasikan.
2. Tingkat deteksi diharuskan lebih dari 99,95%, dan tingkat deteksi salah dikontrol di bawah 1%.
3. Kompatibel dengan berbagai jenis produk.
2) Pengelolaan Arsitektur solusi:
Mengingat bentuk produk dan organisasi lokasi, skema memilih kamera array linier 2K untuk pengumpulan peta, dengan sumber cahaya array linier bercahaya tinggi, untuk menonjolkan karakteristik pemeriksaan produk.
3). Keuntungan dari program:
1. Gunakan algoritma pembelajaran dalam untuk mendeteksi cacat dan menilai kategori cacat. Melalui pengumpulan cacat dan iterasi model, tingkat pengenalan komprehensif mencapai lebih dari 99%, dan kontrol pemeriksaan kurang dari 2%.
2. penilaian kategori cacat, promosi terbalik untuk perbaikan proses pelanggan dan promosi.