“在解決我的任何問題之前，我為什么要關(guān)心一種炫酷的新技術(shù)？” –這是我與一家凈水廠的負責人就一杯溫暖的咖啡進行的確切交談。

 閑聊開始了，最終演變成了關(guān)于AI技術(shù)的缺陷檢測和質(zhì)量控制的深刻而有意義的討論。 這次談話極大地改變了我的視野和方法。

 本文的目的是描述如何實現(xiàn)基于AI的視覺檢測以進行缺陷檢測。 這與人工智能的酷勁無關(guān)，而與特定問題的實用解決方案有關(guān)。

人工智能視覺檢查的概念

制造業(yè)中的人工智能是一個時髦的術(shù)語。 在描述基于AI的缺陷檢測解決方案時，通常是基于深度學(xué)習(xí)和計算機視覺的某種視覺檢查技術(shù)。

什么是機器視覺深度學(xué)習(xí)？

深度學(xué)習(xí)是由人工神經(jīng)網(wǎng)絡(luò)提供支持的機器學(xué)習(xí)技術(shù)的一個方面。深度學(xué)習(xí)技術(shù)的操作原理是以示例為基礎(chǔ)的教學(xué)機器。通過為神經(jīng)網(wǎng)絡(luò)提供帶有標記的特定類型數(shù)據(jù)的示例，可以提取這些示例之間的通用模式，然后將其轉(zhuǎn)換為數(shù)學(xué)方程式。這有助于對將來的信息進行分類。

 借助視覺檢查技術(shù)，深度學(xué)習(xí)算法的集成可區(qū)分零件，異常和特征，從而在運行計算機化系統(tǒng)時模仿人類的視覺檢查。

 那么，這到底是什么意思？讓我們舉個例子。

 如果要創(chuàng)建用于汽車制造的外觀檢查軟件，則應(yīng)開發(fā)一種基于深度學(xué)習(xí)的算法，并用必須檢測的缺陷示例對其進行培訓(xùn)。有了足夠的數(shù)據(jù)，神經(jīng)網(wǎng)絡(luò)最終將在沒有任何其他指令的情況下檢測出缺陷。

 基于深度學(xué)習(xí)的視覺檢查系統(tǒng)擅長檢測本質(zhì)上復(fù)雜的缺陷。它們不僅可以解決復(fù)雜的表面和外觀缺陷，而且可以泛化和概念化零件的表面。