深眸科技以自研算法+先进硬件,创新打造AI视觉一体化解决方案

工业视觉软硬件一体化解决方案:是以工业AI视觉技术为核心,通过集成工业相机等视觉硬件、电控系统和机械系统等自动化设备以及算法平台等软件应用,为工业自动化降本增效提质。

深眸科技为进一步巩固和加强技术领先优势,创新打造的工业视觉软硬件一体化解决方案,凭借着自主知识产权的2D/3D视觉核心算法以及机器视觉等核心技术,能够在多种生产场景实现应用,大幅减少检测设备的落地部署时间。

一体化解决方案:在钣金件缺陷检测的高效应用

钣金件作为一种针对金属薄板的综合加工工艺产品,在批量生产的过程中,常常会因为加工工艺和材料材质,以及需要经历剪、冲、复合、折、铆接、拼接、成型等一系列工业流程,出现各种各样的缺陷,影响钣金件的质量。

钣金件常见缺陷包括:划痕、脏污、拉毛、压痕、毛刺、起皱等

随着钣金件产品应用的愈发广泛,以及钣金加工业对于国内机械制造、通信电子、汽车与造船等行业的重要作用,其产品质量受到越来越多的关注,对于实现钣金件产品的高效缺陷检测成为亟需解决的难题。但随着钣金零件的复杂程度的提升,其产品存在诸多检测难点。

深眸科技以自研算法+先进硬件,创新打造AI视觉一体化解决方案_第1张图片

检测难点1:

受到金属表面反光因素的影响,在拍摄过程中会造成局部图像特征不清晰,导致缺陷图像不明显,影响检测的效果与精度。

检测难点2:

钣金件种类复杂多样,不同形状、种类钣金件如何实现通用检测成为难点。

检测难点3:

受到环境光照的影响,同样的零件可能呈现出不同的效果,导致检测结果存在不确定性

针对这些检测难点,深眸科技打造了低成本、高效、便捷工业视觉软硬件一体化解决方案。该解决方案凭借较高的检测精度,能够从图像中提取信息并处理,从而实现最终的智能检测与控制,有效解决图像采集时出现的反光问题;通过融合深度学习算法,能够对大量图像样本进行学习,以通用型算法平台实现对不同种类钣金件的精准识别;还能根据场景需要灵活选择光源、相机、镜头等硬件设备,大幅降低环境光照对检测结果的影响。

工业视觉软硬件一体化解决方案通过持续迭代的软件算法和灵活选择硬件设备,能够从根本上解决钣金件缺陷检测难等问题,还能大幅降低废品率与生产成本,并缩短钣金件产品的生产周期,从而满足客户的需求。

一体化解决方案:软件算法+硬件设备助力检测

工业视觉软硬件一体化解决方案能够精准、高效地识别与定位钣金件表面存在的各种缺陷,并通过对这些缺陷的及时发现和处理,大幅提升钣金件产品的整体质量。这些成果都离不开自研的软件算法和先进的硬件设备支持。

软件算法支持:深眸科技坚持以AI+机器视觉为核心,深入深度学习及自研算法的研究,实现对光照变化的不敏感,并保持相关软件技术的领先性。自研算法包括:基于注意力机制的深度学习网络架构,有效提升了深度学习模型的检出准确性与泛化性;AI缺陷生成技术,有效提升工业AI模型生产迭代效率;多任务融合算法,有效提升了算法的动态扩展能力。

硬件设备包括:工业镜头将目标成像放在图像传感器的光敏度上,对产品检测成像的质量具有较大的影响;工业相机与镜头搭配使用,能够将光信号转变成有序的电信号;视觉光源通过合适的光源照明设计,使图像中的目标信息与背景信息得到最佳分离。

深眸科技以自研算法+先进硬件,创新打造AI视觉一体化解决方案_第2张图片

一体化解决方案:深眸科技落地钣金实际场景的项目

通过工业视觉软硬件一体化解决方案,深眸科技在消费电子、汽车制造、机械设备等多个行业实现了钣金件产品检测的部署应用,并将进一步拓展至更多应用领域。

钣金件缺陷检测

深眸科技以自研算法+先进硬件,创新打造AI视觉一体化解决方案_第3张图片

项目背景:

通过钣金加工方式,制造出的钣金件产品,能够在消费电子行业中用于制造厨电、空调、冰箱等产品的外壳、面板、内部结构等。但随着钣金件产品的复杂化,传统人工检测无法精准识别产品缺陷,整个产品检测效率低下。

方案应用:

通过工业视觉软硬件一体化解决方案的超高分辨率的成像系统,能够快速识别各类缺陷,同时深度学习及自研算法快速响应,能够实现从样品到批量成品的复制加工。该解决方案检测范围全,能够覆盖零件产品的全部轮廓和尺寸,还可以统计分析不同批次的产品缺陷图片,实现高效钣金件缺陷检出。

交换机钣金外观缺陷检测

深眸科技以自研算法+先进硬件,创新打造AI视觉一体化解决方案_第4张图片

项目背景:

钣金件在电子制造行业应用广泛,例如计算机、平板电视、手机、音响等电子产品,它们的外壳都需要通过钣金加工完成。在交换机生产制造的检测测量环节,因为加工环节多样化、喷涂后镀锌板铁壳和不喷涂产品的规格种类繁多等原因,传统检测方法难以全方位检测出有缺陷的产品,亟需更精准、高效的解决方案。

解决方案:

通过工业视觉软硬件一体化解决方案,采用多源图像高精度拼接、多尺度图像目标检测和增强学习技术,能够降低产品换型建模的频率,大幅减少用户操作换型的工作量;采用区域特征图提取、微弱特征增强与特征图像分解等关键算法,有效提升微弱特征在感受野的差异化,增强目标缺陷的纹理特征,实现对缺陷的准确识别与反射噪点的抗干扰性提升。

(部分图片来源于网络,如有侵权请联系删除)

你可能感兴趣的:(机器视觉,人工智能,深度学习,计算机视觉)