欢迎您访问深圳易简智能设备有限公司网站!
全国咨询热线:18822856926
帮助文档
帮助文档
帮助文档视觉检测资讯

如何利用AI进行影像检测(AI影像检测的利与弊)

来源:易简智能作者:欣欣时间:2023-11-17 14:37:41

如何利用AI进行影像检测(AI影像检测的利与弊)

前言

在制造行业,运用影像机器检测机替代人工检验已有十多年,已经成为大多工厂使用的设备。随着科技的发展,具有AI功能的影像机器检测机也在制造企业开始普及,由于在使用过程中,并没有做好充分的准备或认识,导致虽然花了很大的价钱购买了设备,但是却没有真正发挥AI的作用,因此本文将和大家一起讨论AI影像检测机的利与弊。

1

什么是影像机器检测机

如何利用AI进行影像检测(AI影像检测的利与弊)

在制造业,影像机器检测机已经有越来越多工厂用在生产中。在过去一排排作业员检查产品、整个产线密密麻麻都是操作工的画面,已经越来越少见,在满足顾客个性化需求的趋势下,从大量客制化走向少量多样性的生产,即便是少量生产都要能获利,而质量检验是产线中的重要环节,从过去使用人工检查,到现在使用机器代替人眼,使用人工智慧代替人脑,且能在各种不同环境下维持相同检测能力、24小时不停运作,这样的投资效益高且立即可见成效,使用影像机器检测机成为许多制造业者的选择。

影像机器检测机(Machine Vision)使用感测视觉仪器进行检测,是目前制造智能化发展最快的领域。影像机器检测机在制造业的应用包括量测、辨识、定位、检查,这4大项目中又以检查的应用最高,也就是AOI(Automated Optical Inspection;自动光学检测)。

维基百科指出,AOI应用层面包括国防、民生、医疗、环保、电力、科技、制造等领域之研发、制造品管,可用以改良传统上靠人力来进行检测的缺点,利用光学仪器取得成品的表面状态,再以电脑影像处理技术来检出异物或图案异常等缺陷,以非接触式检查来进行质量检验。也就是将「嵌入式视觉+演算法+影像处理软体」整合入AI模组相机,软体(如Vision pro等)提供开发者快速的视觉流程评估概念,从影像进来到视觉结果的产出,提供可视化结果操作介面。因著这样模组化的方式,现今影像机器检测机的处理速度比先前更快速。

相机的主要功能和核心技术包含:影像摄取、影像传输,除了相机的硬体之外,软体开发工具包SDK也是一个很重要的因素,一个充足的SDK,可以帮助软体工程师大幅缩减开发的时间,相机在摄取影像后,必须把影像稳定的传输到PC,所谓的稳定包括了高速、不掉张、不失真、不被外部影响的传输,一般都是在PC上做影像预处理的功能,但有些相机工厂也会在相机上做影像预处理,让PC端可以有效能去处理其他的功能。

2

如何提高AI检测的准确率

如何利用AI进行影像检测(AI影像检测的利与弊)

1、要确定检测部位、缺陷、希望达到的准确率。

例如金属表面检测,在使用传统视觉应用时,是抓取标拔时做pattern-matching,Pattern-marching可能有塑胶覆盖、放大缩小、颜色不对、取像模糊等问题,透过演算法来解决,让产线不停机,追求产能最佳化。但是如果检测的项目很基本,如在成品中只要出现黄色就是缺陷,其他地方都是绿色的,是正常的,那在这种情况下只需要用AOI即可进行辨识,并不需要用到AI。

2、需要准备产品图库。

如果连图库都没有,那就得先做取像,那么如何进行产品取像呢?

第一步,适合的角度、正确的打光,才能准确拍摄缺陷图片。

先架设取像设备如相机,再者调整打光、取向的角度,有些缺陷可能用肉眼可以判断,因为人会用手转不同角度来观看,但是透过相机却找不出来,这跟光线与拍摄角度有关,许多要检测的物品通常都不是平面的,当光进去时如果跟缺陷同一个角度,无法让光反射出来,很可能就会看不到缺陷,需要测试与调整找出一个适合拍摄的角度、正确的打光,才能正确摄取缺陷的图像。这也是很多AOI设备目前判断率低的原因之一,就是打光与取像角度,不一定能适合相机照出可供判断的图片。

第二步,缺陷分类与定义。

把检测的东西取像下来后,取像的图片质量如何、缺陷是否清楚,是否用一般镜头就可以看出来、还是要用显微镜才能看出来也需要做判断。图像取好后,要把缺陷做分类与标注,有些产业的成品是缺陷、异色的样品很多,需要花上很长时间讨论样品缺陷规格、做标记(Label),这部分就用到大量的工人智慧。要有人做资料前处理、要有人去标记、要有人标记转换成演算法可以读的格式,需要做资料分类清洗,才能喂给AI做训练,很多时后在做POC验证时会发现结果不好,很有可能是分类没有做完整。

第三步,AI训练。

取像完之后,透过AI训练,当缺陷检测准确度达到一定的标准之后,就可以把模型导入上线,就像是人去学习模型一样,用新的图片实际测试它学的结果,AI的上线为inference推论,把训练好的模型跟AI推论引擎搭配,来做运算。

3、充分利用专业人士的行业经验

准确率低往往跟缺陷定义不明、标记定义有问题以及缺陷样品量不够大有关。缺陷定义不明与标记定义有问题完完全全取决于工人的智慧,资料的质量不够好、有人为错误或杂讯时、或有太多不相关特片,资料的规则就不容易找得到,可能无法有好的训练结果,这时 domain knowhow 显得异常重要。以一家金属设备厂做的质量特征AI模型来说,搜集来的参数有超过五十种,但经过判断之后,最后只需要5种就能训练出相当好的模型,这就是工人智慧的重要。

4、准备充足的缺陷样品

理论上资料越多,训练的深度学习的模型越准,但喂资料给AI时要求的是平衡,建议要有正常的资料跟缺陷资料,不能在某种特定类型比较多,这样训练出来的结果就会有偏差;另外也需要具有代表性的训练资料,关键的资料如果没有进去,模型就会有偏差,需要减少取样偏差。因此资料前处理是成功的关键。

而最难解决的就是缺陷样品不够多的问题。很多产业现今自动化与精益管理做得很好,导致缺陷样品过少,很难提供给AI足够的量来做训练,以致于训练出来的AI模型精准度不高。

3

什么情况下使用具有AI功能的设备

如何利用AI进行影像检测(AI影像检测的利与弊)

AI并非万能,并不是所有的情况都适合导入AI。以下是不推荐使用AI功能设备的情况:

1、 高精准检测要求如精准定位、精准测量、读码等重复精度要求高的检测项目;

2、 检测成品仅需单纯判别单一颜色、或单一缺陷时,或缺陷不复杂时;

3、 缺陷检测工位以高速运行时;

4、 AI需要另外加装硬体,需要支出一笔设备费用。也有可能因为持续大量的运算导致设备过热,得额外购置降温的器材如冷气。此外,演算时需要大量影像数据的搬移,硬体如果没有调适好,速度会变慢。

以下情况可以考虑使用AI功能的设备

如果缺陷检测的项目是在复杂背景下无规则异类检查、畸变型态的物体定位、变形字体的OCR时,就可以使用AI来做检查。而实务上可以使用几个不同的演算法,没有哪一个演算法是能解决所有问题的。

其实使用AI的价值在于从AOI搜集到的数据进行分析归纳后,透过资料传连传输工具,将资料抛到MES或ERP系统,以查出物料、生产等与缺陷的关联,找出不良的原因,透过数据回馈来优化整体生产,以增加效能与产能、产品与服务的创新。

如何利用AI进行影像检测(AI影像检测的利与弊)

AOI与AI的比较

相关推荐

  1. 橡胶塑料分选机效率如何提高?(0 次阅读)
  2. 橡塑鞋质量检测标准是什么?(0 次阅读)
  3. 橡胶制品检测流程复杂吗?如何简化?(0 次阅读)
  4. 橡胶条检测有哪些专用仪器?(0 次阅读)
  5. 橡胶线检测中需要注意哪些技术要点?(0 次阅读)
  6. 橡胶塑料挤出机如何操作才能保证产品质量?(0 次阅读)
  7. 橡胶塑料检测仪器种类繁多,应该如何选择?(0 次阅读)
  8. 橡胶塑料拉力试验机如何挑选?哪家更可靠?(0 次阅读)
  9. 橡胶圈老化检测周期一般是多长?(0 次阅读)
  10. 橡胶圈压缩变形检测的意义是什么?(0 次阅读)
全国咨询热线:18822856926