• 会员登入

案例分享 | 机器人视觉缺陷检测 卓越的检测精度可提高生产效率

Date: 9/8/2020 12:00:00 AM

 背景与挑战

对于制造商而言,质量控制系统长期以来一直依靠外观检查。传统的机器视觉系统可能无法区分缺陷类型,而相似零件之间的差异很大。 利用AI和深度学习技术的强大功能,可以通过提供高精度的检测结果来解决此问题。与使用基于规则的视觉算法操作的计算机系统不同,由深度学习技术提供支持的机器视觉系统根据训练数据检测缺陷。使自动化的缺陷检查具有更大的灵活性和准确性,同时降低了维护成本。

客户是机器人视觉设备制造商。 计划将其机械臂与AI功能结合起来,以检测诸如搪瓷涂层产品中的气泡和裂缝之类的缺陷。 传统的计算机视觉技术面临局限性:无法区分只有细微差别的产品零件上的不同缺陷类型。 不够灵活,无法更新现有的缺陷检查规则以识别新的缺陷类型。为了利用AI技术实时进行视觉缺陷检查,该系统需要在边缘具有强大的计算能力,并且需要大容量的存储容量来存储从多条生产线捕获的大量图像,以及足够的带宽来处理数据传输。

解决方案

研华的Edge  AI系统完美地满足了客户的要求。在机械臂准确地识别出杯子的位置并进行了360度摄影后,将捕获的图像发送到AIR-300进行实时推断,从而可以立即识别出有缺陷的产品。 AIR-300通过其Intel Xeon / Core i3 / i5 / i7 CPU和1个PCIe x16支持高性能显卡,在AIR-300上本地完成了复杂的实时AI推理和高性能计算。关于I / O和数据存储量,AIR-300配备了4个GbE端口,4个RS-232 / 422/485,并通过4个2.5英寸SATA III硬盘支持高达20TB的数据容量,从而提供了强大的带宽和存储容量。满足应用程序需求。 AIR-300内置了850W电源,因此客户无需添加外部电源。当需要更新缺陷检测系统以检查新产品时,AIR-300也可以用作本地服务器。内置的视觉系统将捕获的图像发送回AIR-300,以进行进一步的AI模型重新训练。例如,杯子产品中发现的缺陷类型可能与纸袋产品中发现的缺陷类型不同。要将AI缺陷检测系统从检查杯子更改为检查纸袋,客户只需准备纸袋具有的缺陷类型的训练数据集,在AIR-300上重新训练新的AI模型,然后在AIR-300上部署经过训练的模型。借助AI再培训功能,更新缺陷检测系统不再需要昂贵的专业工程师的帮助。

主要优势

•高性能:Intel Xeon E3 / Core i3 / i5 / i7 CPU LGA1151最高65W CPU

•AI引擎扩展:PCIe x16扩展插槽最高支持2020Ti显卡,M.2和mPCIE支持VEGA-300 AI模块

•高带宽和数据存储:20TB数据容量

 

x
联系我们

400-810-0345

上午8:30 至 下午5:30

Contact Advantech