Het oppervlak van de auto airconditioning radiator is defect vanwege het proces, de behandeling en andere redenen, en het gebruik van handmatige detectie is inefficiënt en gemakkelijk te beoordelen.
Deel
1) achtergrond van het project:
Beschrijving van de eisen:
1. de airconditioner zal na de voltooiing van de productie en de behandeling gebreken hebben en het is noodzakelijk gebreken zoals vuil, beschadiging, verplaatsing en inhakken op te sporen.
2. de status quo van lage efficiëntie en lage nauwkeurigheid van handmatige detectie te veranderen.
technische eisen:
1. er moeten verschillende categorieën gebreken worden vastgesteld en geclassificeerd.
2. de detectiegraad moet hoger zijn dan 99,95% en de vals-detectiegraad moet onder 1% liggen.
3. compatibel met verschillende productsoorten.
2) Oplossingsarchitectuur:
Gezien de vorm van het product en de organisatie van de site is voor de kaartverzameling een 2k lineaire arraycamera met een lichtbron met een hoog licht gekozen om de detectie-eigenschappen van het product te benadrukken.
3) Voordelen van het programma:
1. gebruik maken van een deep learning-algoritme om defecten te detecteren en de categorieën van defecten te beoordelen. door defecten te verzamelen en modellen te itereren, bereikt de alomvattende herkenningsgraad meer dan 99% en de inspectiecontrole minder dan 2%.
2. de beoordeling van de categorie van gebreken, omgekeerde bevorderen van de klant procesverbetering en promotie.
EN
