產(chǎn)品分享 | Inspector系列2D智能相機+深度學習方案
Intelligent Inspection
Intelligent Inspection工具集在InspectorP6xx & Inspector8xx 2D視覺傳感器上運行,有助于在設(shè)備上快速、輕松地創(chuàng)建應用。
工作原理
01.異常檢測工具
異常檢測工具可以適合用于無法可靠預測缺陷樣本的復雜應用場合。進行訓練時,只需要搜集良好的圖像樣本。異常檢測工具會根據(jù)良好樣本的訓練結(jié)果,直接輸出OK或者NOK的檢測結(jié)論,同時會在檢測圖像中用熱區(qū)圖的形式將缺陷區(qū)域顯示出來。
異常檢測工具支持客戶進行簡單、快速的on-device應用構(gòu)建,用戶可以在智能相機硬件中訓練最多100張良好圖像樣本。
02.分類工具
分類工具可以將視覺上很相似的物體進行區(qū)分,適用于多變、不穩(wěn)定、反光材質(zhì)等復雜應用場合。對于組裝核驗、缺陷分類等也可以輕松實現(xiàn)。
這個工具在所有類別的類似數(shù)量的圖像上進行訓練,并輸出物體類別。
該工具通過在InspectorP智能相機中進行圖像收集和執(zhí)行檢測?;趦?yōu)化準確度和執(zhí)行速度的目的,標注、訓練和評估過程需要使用SICK dStudio在線平臺完成。該方式下對于樣品收集的數(shù)量可以更多,不僅限于100張圖像。
典型應用案例
(快消、汽配、電子等行業(yè))
01.電子元器件缺失、外觀檢測
02.勺子有無檢測(難點:表面褶皺、反光)
03.新舊瓶區(qū)分(控制沖洗瓶子用水量)
04.圖案種類分類(產(chǎn)品種類多)
05.藥袋排放檢測
(褶皺、翹曲等不可預見的異常情況)
性能和客戶收益
Deep Learning 解決了工業(yè)圖像處理領(lǐng)域中rule-based tools不適用的復雜應用
將傳統(tǒng)檢測工具的優(yōu)勢與 Deep Learning 相結(jié)合
減少研發(fā)工作量:借助樣本圖像訓練和分析
借助云端和設(shè)備端訓練,無需額外的硬件或軟件
由于設(shè)備基于 Deep Learning 運行,因此總運行成本低
操作簡單快速上手
掃描二維碼獲取官方產(chǎn)品資料