検査基準

カメラの適用

前面領域検出：トレイ上の搬入物の裏面が上向きになり、負圧ベルトによって空中に吊り下げられます。1組の産業用カメラがトレイの真下に配置され、可視光源を使用して前面領域の画像を収集して処理します。
背面領域検出：前面領域が検出された後、パレットは後部ベルトにスムーズに落下し、裏面は依然として上を向いています。1組の産業用カメラがパレットの真上に配置され、可視光源を使用して背面領域の画像を収集して処理します。
ベベル領域検出：パレットの裏面が上向きになり、4組の産業用カメラがパレットの上部に円形に配置され、可視光源と組み合わせてベベル領域の画像を収集して処理します

構成パラメータ

AIアルゴリズムの利点

結果の精度：従来のビジョンアルゴリズムと比較して、深層学習アルゴリズムの安定性が大幅に向上し、環境や背景の一般的な乱れに対応できます。同時に、アルゴリズムの精度も従来のビジョンアルゴリズムよりも高くなっています。
アルゴリズムの汎用性：異なる欠陥に対して、少数の欠陥サンプルを収集するだけで済みます。十分なトレーニングの後、異なる欠陥サンプルを自動的に識別できます。採用されているアルゴリズムは、統一されたアルゴリズムフレームワークです。
開発のタイムリーさ：異なる欠陥に対してアルゴリズムを開発する必要がないため、開発サイクル全体が大幅に短縮され、一般的なビジュアル欠陥プロジェクトは、テストのためにオンラインになるのに2〜3時間しかかかりません。
環境信頼性：GPUの計算能力が保証されているため、システム全体は、十分な計算能力のマージンで、高温環境で長時間動作できます。

ビッグデータクラウドプラットフォームの利点

モデルの適用範囲が広い：テンプレートの有無を区別することにより、表面欠陥の検出要件を基本的にカバーでき、新しい欠陥モデルを任意に追加できます。
モデルの堅牢性が優れている：システム信号の一貫性調整により、現場での微調整が基本的に不要になり、オンラインで正常に実行できます。
必要なトレーニングサンプルが少ない：多数の欠陥サンプルを取得できない場合、サンプルの自動合成を使用して、大量のデータボリュームトレーニングサンプルを使用した深層学習のニーズを満たすことができます。
高速モデル推論速度：モデルの展開コストを制御し、ニーズを満たすことを前提として、可能な限り費用対効果の高い展開プラットフォームを顧客に提供します。

パルプモールドバガス丸皿用AI外観検査機

ボトル検査機