修剪最终装配验证
康耐眼深度学习缺陷检测工具证实了组件的存在和放置在混乱的背景上
在最终装配验证中涉及的各种修剪涉及挑战传统机器视觉检查的高度复杂性。德国必威人类检查员确认所有部件,如钢丝带和金属壳体,都存在并正确组装。微妙的照明变化使得距离频段是否处于正确的外壳中。人类检查员虽然熟练识别线条,可以缓慢而不一致。康康克斯深度学习采用基于深度学习的图像分析来学习一块装饰的完成外观,并将缺失频段作为人类检查员识别,但具有自动化系统的速度和可靠性。
使用监督模式下的康复深度学习缺陷检测工具,技术人员在缺点的修剪的“坏”图像上培训系统,以及已知的“良好”图像,用于创建参考模型一件完整的修剪。使用此模型,康尼克深度学习识别带缺丝带的装饰件,如异常和有缺陷,在最终检查期间失败。