• 致电康耐视销售:855-4-康耐视(855-426-4639)

  • 联系我们
康耐小数据侠的博客横幅和近距离镜头

Cognex博客

理解缺陷分割的红色高细节模式

视觉软件大型博客横幅

Cognex深度学习软件包括一种新的设置,用于机器视觉检查,要求极高的精度,称为红色高细节模德国必威式。

这种高级的检测模式处理高度特定的用例,这些用例需要在分割缺陷时进行额外的检查。无论行业或缺陷类型,红色高细节模式提供了精确的分割,更快的处理时间,和更高质量的产品。

深度学习工具概述
理解Red High Detail Mode首先回顾VisionPro深度学习中的四个主要工具。这些工具使用深度神经网络来识别Cognex捕获的图像中的模式、成分和异常betway.com betway体育 相机:

  • 红色的分析检测图像中的异常和缺陷。Red High Detail Mode工具是该工具中的一个体系结构设置。
  • 绿色的分类将图像或图像的部分分类为任意数量的类。一个常见的例子是按类型对缺陷进行分类(例如,瑕疵、裂缝和划痕)。
  • 蓝色的定位定位图像中的部件或组件。
  • 蓝色的读在图像中执行复杂的光学字符识别。

VisionPro深度学习工具截图

VisionPro深度学习开发人员可以同时使用任何或所有这些工具。对于红色分析和绿色分类工具尤其如此。例如,红色分析工具可以识别异常,绿色分类工具可以确定缺陷类型。

高细节模式作为绿色分类工具的一部分已经有一段时间了,所以本博客将关注红色分析工具的新版本。

visionpro深度学习红色高细节模式截图

红色分析工具是如何工作的
当康耐视摄像机拍摄图像检查生产中的零件时,VisionPro深度学习必须确定图像是否通过检查。

Red Analyze工具通过扫描图像中的特征、对象或组件来实现这些检查。VisionPro深度学习使用神经网络,根据预先设定的训练图像集合,给这些图像打分。

该过程的工作原理如下:机器视觉应用开发人员将一系列图像输入神经网络。德国必威通常,其中一半是训练图像,另一半是验证图像。神经网络将训练图像与验证图像中的“ground truth”进行比较。在工具训练过程中,神经网络学会破译通过和失败图像之间的区别。

Red Analyze工具有两种工作模式:

  • 无人管理的:使用无缺陷图像训练神经网络。图像中任何偏离“良好”定义的细节都被标记为异常。
  • 监督:需要开发人员识别图像中的特定片段来训练神经网络。神经网络扫描图像寻找这些特定的缺陷。

监督模式使用两个子模式:

  1. 集中,提供高性能和快速的训练时间。
  2. 高细节,由于其详尽的算法,它提供了同类中最好的准确性

因此,红色高细节分割是红色分析工具中监督模式的一个特征。

决定何时使用高细节分割
VisionPro深度学习中的聚焦模式分割非常准确和敏捷。新的图像可以添加到神经网络,并在几分钟内开始产生结果。聚焦模式是为更简单的应用程序精心设计的,但对于更具挑战性的工作,高细节模式更适合。

高细节分割需要更复杂的神经网络结构。当然,这需要在时间和精确度之间进行权衡。使用红色高细节模式工具,可能需要几个小时来训练网络。因此,应用程序开发人员需要有策略地处理额外的处理时间。

红色高细节模式节省时间
在VisionPro深度学习中,为图像和片段标记通常是开发机器视觉应用程序最耗时的部分之一。德国必威开发人员可能需要在几十张图片中标记多个片段。背景可能需要从图像中屏蔽,物体可能需要从多个角度成像,以捕捉神经网络需要看到的一切。

幸运的是,标记任务只需要执行一次。在评估应用程序的不同工具时,可以简单地复制标签,比如聚焦模式或高细节模式。不需要重新标记映像,开发人员可以节省时间并更快地部署应用程序。

此外,开发人员可以在应用程序中混合和匹配聚焦和高细节模式——只为效果最好的实例保留高细节分割。红色高细节模式通常在两层检验模型中工作良好,在这种模型中,未通过高细节测试的生产部件被发送给人工检验员,由检验员做出最终的合格-不合格判断。

检测细微缺陷并实现精确的预测分析

德国必威机器视觉开发人员习惯于构建精度高、公差小的应用程序。红色高细节模式帮助这些开发人员达到最苛刻的应用程序所需的精度水平。

Red High Detail Mode工具非常适合那些需要寻找具有挑战性的缺陷并精确预测这些缺陷的形状/大小的应用程序。这种像素级的精度在消费电子、半导体和汽车等主要行业中非常重要。西盟体育betway例如,半导体制造商可能需要检测可能导致微处理器过热的微小缺陷。或者,食品加工厂可能需要扫描冷藏产品中霉菌或腐败的最早迹象。

深度学习算法,比如支持红色高细节模式(Red High Detail Mode)的算法,从大量的像素模式中推断出意义。此外,生产中的部件通常有细微的差异,但并不影响质量、性能或耐久性。机器学习应用程序可以根据这些差异进行调整。

然而,一个网络不应该被训练得如此精确,以至于它拒绝它所检查的一切。相反,它的目标是让神经网络从具有许多微妙变化的大型数据集中做出细微的判断——就像人一样。

用VisionPro深度学习解决复杂的诊断应用
有了VisionPro深度学习软件,开发人员能够利用广泛的工具集-包括红色分析,绿色分类,蓝色定位,蓝色读取工具-以满足甚至最严格的应用程序需求。在这些工具中,红色高细节模式(Red High Detail Mode)是红色分析工具的一个功能,它提供像素级缺陷分割来检测和测量困难的缺陷,如缺陷、裂缝、划痕和制造产品上的其他类型的缺陷。该工具精确地学习缺陷的外观,并在未经训练的图像中以像素级的精度预测它们。与其他产品一样,Red High Detail Mode为所有行业的制造商带来了深度检测的能力,使他们的检测系统能够以机器的速度做出类似人类的决策。西盟体育betway最终结果呢?更快的处理时间和更高的质量。

计算机深度学习


更多关于

获得对产品的支持和培训等

加入MyCognex

有什么问题吗?

康耐视的代表遍布全球,以满足您的视觉和工业条码阅读需求。

联系我们
加载……