目视检查是基于图像的部分检查,其中相机扫描的部件进行了测试失败和质量缺陷。自动检测和缺陷检测对于生产系统中的高通量质量控制至关重要。具有高分辨率摄像机的视觉检测系统有效地检测微观尺寸甚至是纳米级缺陷,这些缺陷难以用于人眼拾取。因此,它们在许多行业中广泛采用,用于检测制造表面上的缺陷,例如金属轨道,半导体晶片和隐形眼镜。
用matlab.®,你可以开发视觉检查系统。支持图金宝app像采集、算法开发和部署。交互式和易于使用的MATLAB应用程序,帮助用户探索,迭代和自动化算法,以提高生产率。这些功能可用于许多工业应用。
例如,汽车零部件制造商武藏精光工业的手动视觉检测系统每月检查约130万个零部件。利用MATLAB开发基于深度学习的方法来检测和定位不同类型的异常,构建了一个自动视觉检测锥齿轮系统。新方法预计将大大减少公司的工作量和成本。
同样的,空中客车公司建立鲁棒视觉检测人工智能(AI)模型,自动检测多个飞机部件的任何缺陷,确保其飞机在服役前没有缺陷。使用MATLAB环境在短时间内简化了交互式原型和缺陷测试的过程。
缺陷检测过程可以分为三个主要阶段:数据准备,AI建模和部署。
数据准备
数据来自多个来源,通常是非结构化和噪声,使得数据准备和管理困难和耗时。对数据集中的图像进行预处理,可以提高异常检测的准确性。MATLAB有几个应用程序支持各种预处理技术。金宝app例如,注册估算器应用程序允许您探索各种算法以注册未对齐的图像,使AI模型更容易检测缺陷。
部署
必须将深度学习模型纳入更大的系统以获得有用的系统。Matlab提供了一种代码生成框架,允许在Matlab中开发的模型部署在任何地方,而无需重写原始模型。这使您能够在整个系统中测试和部署模型。
MATLAB使您可以将深度学习网络部署到各种嵌入式硬件平台,例如NVIDIA®gpu,英特尔®和手臂®CPU和Xilinx®以及Intel soc和fpga。在MathWorks工具的帮助下,您可以轻松地探索和定位嵌入式硬件。