前和后公园协助传感器颜色分类

使用深度学习解决方案，确保FPA/RPA传感器颜色正确

由In-Sight ViDi基于深度学习的视觉软件驱动

基于深度学习的工业图像分析的图形编程环境

在四到12前或后园辅助（FPA / RPA）之间的超声波传感器组件嵌入在所有新车的两个保险杠中。出于美学原因，这些传感器以各种色调制造，以匹配保险杠颜色。现代汽车涂料可含有各种光散射颗粒和金属斑点，从一个点到另一个点略微不同，并在一系列密切相关的色调中产生。

红、绿、蓝(RGB)或色相、饱和度、强度(HSI)值将根据角度和方向改变。因此，从广泛的颜色库存中选择正确的传感器颜色来精确匹配特定的保险杠颜色是一个困难的问题。安装错误的传感器可能会被最终用户拒绝。传感器必须快速和准确地匹配保险杠的颜色，以便工人可以安装指定的型号。

得到价格

考虑到所有这些可能的变量和重叠，基于规则的机器视觉很难做出正确的传感器/油漆匹配决定。德国必威在颜色接近重叠的地方，人眼对颜色的理解也因人而异。

Cognex深度学习在一系列不同的图像上进行训练，以不同的角度和旋转，分类工具稳健地对油漆颜色进行分类。然后，在做出选择时，Cognex深度学习将图像作为一个整体进行检查，适当地加权图像中的每个变化、反射、折射、粒度和阴影，以做出最佳匹配。