Permukaan penyerap hawa kereta mengandungi kecacatan disebabkan oleh proses, penanganan dan sebagainya, dan penggunaan pemeriksaan manual adalah tidak cekap dan mudah salah. Pembelajaran mendalam kini digunakan untuk menggantikan kaedah manual.
Kongsikan
1). Latar belakang projek:
Keterangan keperluan:
1. Penyejuk udara akan mempunyai kecacatan selepas penyelesaian pengeluaran dan penanganan, dan adalah perlu untuk mengesan kecacatan seperti kotoran, kerosakan, salah susun, dan cekungan.
2. Tukar keadaan sedia ada dengan kecekapan rendah dan kejituan rendah dalam pemeriksaan manual.
Kebutuhan teknikal:
1. Kategori kecacatan yang berbeza diperlukan untuk dideteksi dan diklasifikasikan.
2. Kadar pengesanan diperlukan lebih daripada 99.95%, dan kadar pengesanan palsu dikawal di bawah 1%.
3. Serasi dengan jenis produk yang berbeza.
2). Arkitekture penyelesaian:
Dengan mempertimbangkan bentuk produk dan organisasi tapak, skim telah memilih kamera larik linear 2K untuk pengumpulan peta, dengan sumber cahaya larik linear tinggi-cahaya, untuk menonjolkan ciri pemeriksaan produk.
3). Kelebihan program:
1. Gunakan algoritma pembelajaran mendalam untuk mengesan kecacatan dan menilai kategori kecacatan. Melalui koleksi kecacatan dan iterasi model, kadar pengenalan keseluruhan mencapai lebih daripada 99%, dan kawalan pemeriksaan kurang daripada 2%.
2. penilaian kategori kecacatan, membalikkan promosi proses perbaikan pelanggan dan promosi.
MS
