02 .

類型檢測

挑戰(zhàn)

汽車制造過程中，輪轂是否正確裝配影響生產(chǎn)效率，而輪轂種類繁多，目前許多汽車企業(yè)采取人工目測的方法對輪轂類型進(jìn)行識別和檢測，但識別效率低、準(zhǔn)確率低。

方案案例

方案選用?？?/a>機(jī)器人MV-CA050-10GM高分辨率相機(jī)，配合大面積中孔面光源，利用深度學(xué)習(xí)分類工具，對產(chǎn)線輪轂的類型進(jìn)行識別（約200種），實(shí)現(xiàn)輪轂分類。初始模型的訓(xùn)練每類樣本收集80-100張，綜合識別率可達(dá)99%以上，通過現(xiàn)場的迭代，最終識別準(zhǔn)確率達(dá)99.99%以上。深度學(xué)習(xí)分類算法利用卷積神經(jīng)網(wǎng)絡(luò)和大數(shù)據(jù)樣本優(yōu)勢，提升了識別率和識別容量。

圖為500萬高分辨率相機(jī)利用深度學(xué)習(xí)工具識別汽車輪轂類型

. 03

缺失檢測

挑戰(zhàn)

汽車的生產(chǎn)過程中零件眾多，部件缺失會(huì)減少產(chǎn)品的使用壽命，人工檢測方法效率低、檢測錯(cuò)誤率較高，產(chǎn)品存在安全質(zhì)量風(fēng)險(xiǎn)。

方案案例

通過SC2016視覺傳感器進(jìn)行高速圖像處理，產(chǎn)品植入了高精度定位與測量算法，利用模板匹配或Blob分析等工具模塊，對檔位傳感器白色膠圈進(jìn)行缺失檢測，識別正確率達(dá)99.9%。與人工檢測相比，提升了效率且減少了錯(cuò)誤發(fā)生的概率，以提升產(chǎn)品安全質(zhì)量并確保生產(chǎn)作業(yè)正常有序開展。

圖為SC2016視覺傳感器識別汽車部件-檔位傳感器膠圈有無