深度学习缺陷检测技术的原理是什么?

发布时间: 2021-01-11 11:00:00   行业资讯   作者:猎维科技

导读: 缺陷检测被广泛使用于布匹瑕疵检测、工件表面质量检测、航空航天领域等。

传统的算法对规则缺陷以及场景比较简单的场合,能够很好工作,但是对特征不明显的、形状多样、场景比较混乱的场合,则不再适用。近年来,基于深度学习的识别算法越来越成熟,许多公司开始尝试把深度学习算法应用到工业场合中。

深度学习缺陷检测技术的原理是什么?

产品表面的不同瑕疵缺陷,在光学特性上必定与产品本身有差异。当光源入射产品表面后,不同瑕疵缺陷会在反射、映射等方面表现出与周围有不一样的异样。例如,当匀称光垂直入射产品表面时,如产品表面没有瑕疵缺陷,出射的方向不因素出现更改,所探测到的光也是匀称的;当产品表面含有瑕疵缺陷时,出射的光源便会出现变化,所探测到的图象也要随之更改。

深度学习算法应用到工业场合中

基于深度学习的识别算法越来越成熟

因为缺陷的存在,在其周围就出现了应力集中及变形,在图象中也容易观看。若遇到光透射型缺陷(如断裂、气泡等),光源在该缺陷部位会出现映射,光的强度比周围的要大,因此摄像头靶面上探测到的光也相应增强;若遇到光汲取型(如砂粒等)杂质,则该缺陷部位的光会变弱,摄像头靶面上探测到的光比周围的光要弱。分析摄像头采集到的图象数据信号的强弱变化、图象特征,便能猎取相应的缺陷信息内容。

猎维人工智能缺陷检测算法能够实现自动分析检测,可以替代传统的人工检查,实现产品外型在线高速自动化检查,实现产品表面瑕疵缺陷特征的自动识别,具有效率高、周密度高、成本低、操作简易等优点,易于调整,灵活便利,且测量数据可存储,方便建立统计分析,便于快速发觉咨询题,解决咨询题,是行业检查技术的不二之选。