De oppervlakte van de autoklimaatregelaar is door proces-, afhandeling- en andere redenen defectief, en het gebruik van handmatige inspectie is ontoereikend en vatbaar voor misclassificatie. Deep learning wordt nu gebruikt om de handmatige controle te vervangen.
Deel
1). Projectachtergrond:
Eise beschrijving:
1. De airco zal na voltooiing van de productie en afhandeling gebreken hebben, en het is nodig om gebreken zoals vuil, schade, verplaatsing en insinking te detecteren.
2. Verander de huidige toestand van lage efficiëntie en lage nauwkeurigheid bij handmatige inspectie.
Technische eisen:
1. Verschillende soorten gebreken moeten worden gedetecteerd en ingedeeld.
2. De detectieratio moet boven de 99,95% liggen en de valse detectieratio onder de 1% gehouden worden.
3. Compatibel met verschillende producttypen.
2). Oplossingsarchitectuur:
Met in aanmerking name van de vorm van het product en de organisatie van de locatie, heeft het plan een 2K lineaire array-camera geselecteerd voor kaartverzameling, met een hoog-intensiteits lineaire array-lichtbron om de detectiekenmerken van het product te benadrukken.
3). Programma-voordelen:
1. Gebruik een diep leer-algoritme om gebreken te detecteren en de gebreken categorieën te beoordelen. Door gebrekenverzameling en modeliteratie bereikt de totale herkeningsratio meer dan 99%, en wordt de inspectiecontrole minder dan 2%.
2. categorie oordeel over defecten, omgekeerd klantproces verbetering en promotie bevorderen.
EN
