자동차 에어컨 라디에이터 표면은 공정, 취급 등 여러 가지 이유로 결함이 발생하며, 수작업 검사는 비효율적이며 오진단하기 쉽다. 현재 딥러닝을 사용하여 수작업을 대체하고 있다.
공유
1). 프로젝트 배경:
요구 사항 설명:
1. 에어컨은 생산 및 취급이 완료된 후 결함이 발생하며, 이때 먼지, 손상, 이탈, 오목 등 결함을 감지할 필요가 있습니다.
2. 수작업 검사의 낮은 효율성과 낮은 정확도 현상을 개선합니다.
기술 요구사항:
1. 다양한 결함 카테고리를 감지하고 분류해야 합니다.
2. 검출률은 99.95% 이상이어야 하며, 허위 검출률은 1% 미만으로 제어되어야 합니다.
3. 다양한 제품 유형과 호환 가능해야 합니다.
2). 솔루션 아키텍처:
제품 형태와 현장 구성을 고려하여 방안에서는 지도 수집을 위해 2K 선형 배열 카메라를 선택했으며, 고광량 선형 배열 광원을 사용해 제품 검출 특성을 강조했습니다.
3). 프로그램의 장점:
1. 심층 학습 알고리즘을 사용해 결함을 감지하고 결함 카테고리를 판단합니다. 결함 수집과 모델 반복을 통해 종합 인식률이 99% 이상에 도달하며, 검사 통제는 2% 미만입니다.
2. 결함의 범주 판정, 역순으로 고객 프로세스 개선 및 촉진.
EN
