Om ytan på en luftkonditioneringsradiator är defekt på grund av process, hantering och andra orsaker, är det inte effektivt att använda manuell detektion och det är lätt att missbedöma.
Dela
1) Projektets bakgrund:
Kravsbeskrivning:
1. luftkonditioneringsapparaten kommer att ha defekter efter slutförandet av produktion och hantering, och det är nödvändigt att upptäcka defekter som smuts, skador, urläsningar och indragningar.
2. ändra status quo med låg effektivitet och låg noggrannhet av manuell detektion.
Tekniska krav:
1. olika defektkategorier måste upptäckas och klassificeras.
2. detektionsgraden ska vara högre än 99,95% och den falska detektionsgraden kontrolleras under 1%.
3. kompatibel med olika produkttyper.
2) lösningsarkitektur:
Med hänsyn till produktens form och platsens organisation valde systemet en 2k lineär kamera för kartinsamling med en ljuskälla för högljuslinjär matris för att markera produktens upptäckteckningar.
3) Programets fördelar:
1. använda deep learning-algoritm för att upptäcka defekter och bedöma defektkategorier. genom defektinsamling och modelluppreparation når den omfattande igenkänningsgraden mer än 99% och inspektionskontrollen är mindre än 2%.
2. kategoriskt bedömning av brister, omvänd främja förbättring av kundprocesser och marknadsföring.
EN
