传送带检验

识别并快速修复工作中的输送带缺陷

基于深度学习的工业图像分析的图形编程环境

由In-Sight ViDi基于深度学习的视觉软件驱动

传送带受到显着且恒定的磨损，无论是在满足中心，填充零食包装，还是包装鸡零件的套餐。许多人是金属，具有各种编织，连杆和杆，冰冻，烘烤，洗涤，排序和冷却等。沉重的使用和导致磨损导致缺陷，松弛或缺失或弯曲的链接。

未解决的维护问题可能会损坏产品，导致浪费和潜在的安全隐患，甚至需要意外关闭生产线，导致生产延迟。预防性维护有助于保持生产线有效运行，减少停机时间。

在运行过程中，保持皮带处于连续观察状态，可以检测电流或潜在缺陷。当生产线每天关闭时，可以定位和更换有缺陷的部件。

弯曲，撕裂和电线或金属环，杆和其他输送部件的各种损坏，因此无法编程传统机器视觉以识别它们。德国必威传送带通常充满碎片，灰尘，灰尘和其他视觉混凝剂，即使对于它们被编程为检测，也使传统的机器视觉不可靠。德国必威

获取产品演示

康耐视深度学习使工作输送带的连续、准确检测成为例行公事。缺陷检测工具训练一组功能输送带的图像，在可接受的磨损水平内，然后标记任何磨损或损坏在可接受的参数之外，不管令人困惑的碎片。

缺陷检测后，分类工具可以实现过程改进。通过培训可接受和损坏的输送带零件的图像集，它学会分类特定类型的损坏或磨损，为用户提供所需的信息，以确定过度磨损或损坏的源，并进行修改以减少或消除它。