新能源电池电芯外观人工智能缺陷检测
时间:2018/10/14 1:13:31 | 浏览:615
随着工业4.0的发展,制造业不断升级, 尤其是对承担机器视觉功能的固像分析需要正在急速增加。 德研在现有的技术无法解决的领域, 通过人工智能算法, 在瑕疵检测及分类等各种产业群中,创造新的价值。
测试系统外观缺陷
人工智能缺陷检测
德研简介
德研(NOVTEC) 成立于2003年,总部位于江苏苏州,是专业从事测试解决方案的高科技企业,为企业和研究机 构提供大量高端的测试仪器设备解决方案。使用人工智能Artificial intelligence(Ai)深度学习对复杂多变的产品外观缺陷 进行有效识别和判断,内建的深度学习建立多层神经网络,特殊的图像处理方式和复杂的算法,使EL缺陷的漏判率可以达 到“零”,解决了多年来人工判别的漏检和错检问题。其极快的判断速度和高准确性满足在线检测的需求,为新能源行业 的“工业4.0”和“中国制造2025”提供了可靠的技术保障。
深度学习
通过算法,使得机器能从大量历史数据中学习规律,从而对新的样本做智能识别,深度学习是机器学习中一种基于对 数据进行特征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像章强度值的向量,或者更抽象地 表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,缺陷类型)。
例如,使用人工智能方法能有效的进行光伏电池、组件产品的EL缺陷检测,能快速准确的找出缺陷的位置,并进行标 注,较传统的使用图片灰度扫描方法进行判断,特别是多晶硅组件电池的EL图片干扰因章复杂,具有绝对的技术优势;我 们提供的检测EL的方案使用的是神经网络技术,通过定义单多晶硅组件缺陷产品图片的缺陷类型,软件系统会进行缺陷特 征的自学习和深度学习,建立多层网络,从而找出EL图片的缺陷部分。
缺陷检测以高精确度与高处理速度为基础
更好的服务于有自动化需求的制造业工厂
部分案例
皮革纹路分类检测案例
视觉设备参数检测数据
设备类型非标检测数量3000
光源类型条形光源*4过检数量0
相机类型面阵500万像章漏检数量0
PC显卡类型1070检测准确率100%
检测速度7张/秒
检测项目皮革纹理粗细分类
训练数据:30张图像 (粗纹10张图像, 细纹10张图像, 中纹10张图像)
检测数据:3000张图像软件名称:软件功能模块Classification (分类) 检测结果:准确度100%
PCB板缺陷检测案例
视觉设备参数检测数据
设备类型非标检测数量30000
光源类型条形光源*2过检数量45
相机类型面阵500万像章漏检数量0
PC显卡类型1060检测准确率99.85%
检测速度5张/秒
检测项目表面损伤、焊盘不 等
训练数据:750 张图像(NGs2ss长、OK225 张) 检测结果:准确度99.85% 检测数据:30000 张图像软件名称:软件功能模块Segmentatin(分割)
简便快速生成深度学习模型,无需算法最优化作业
德研是在PCB、光伏、显示屏、电子产品、新能源电池等多种领域使用的以深度学习为基础的机器视觉检测软件。现在也在现场以多样的数据为基 础进行学习不测试,不断实现性能的提升。从标签工具到结果输出,以验观的图片结果为基础为用户提供最佳的用户体验以及便利性。已在复杂的生产线 上提供数据采检、缺陷检测服务。
测试系统外观缺陷
人工智能缺陷检测
德研简介
德研(NOVTEC) 成立于2003年,总部位于江苏苏州,是专业从事测试解决方案的高科技企业,为企业和研究机 构提供大量高端的测试仪器设备解决方案。使用人工智能Artificial intelligence(Ai)深度学习对复杂多变的产品外观缺陷 进行有效识别和判断,内建的深度学习建立多层神经网络,特殊的图像处理方式和复杂的算法,使EL缺陷的漏判率可以达 到“零”,解决了多年来人工判别的漏检和错检问题。其极快的判断速度和高准确性满足在线检测的需求,为新能源行业 的“工业4.0”和“中国制造2025”提供了可靠的技术保障。
深度学习
通过算法,使得机器能从大量历史数据中学习规律,从而对新的样本做智能识别,深度学习是机器学习中一种基于对 数据进行特征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像章强度值的向量,或者更抽象地 表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,缺陷类型)。
例如,使用人工智能方法能有效的进行光伏电池、组件产品的EL缺陷检测,能快速准确的找出缺陷的位置,并进行标 注,较传统的使用图片灰度扫描方法进行判断,特别是多晶硅组件电池的EL图片干扰因章复杂,具有绝对的技术优势;我 们提供的检测EL的方案使用的是神经网络技术,通过定义单多晶硅组件缺陷产品图片的缺陷类型,软件系统会进行缺陷特 征的自学习和深度学习,建立多层网络,从而找出EL图片的缺陷部分。
缺陷检测以高精确度与高处理速度为基础
更好的服务于有自动化需求的制造业工厂
部分案例
皮革纹路分类检测案例
视觉设备参数检测数据
设备类型非标检测数量3000
光源类型条形光源*4过检数量0
相机类型面阵500万像章漏检数量0
PC显卡类型1070检测准确率100%
检测速度7张/秒
检测项目皮革纹理粗细分类
训练数据:30张图像 (粗纹10张图像, 细纹10张图像, 中纹10张图像)
检测数据:3000张图像软件名称:软件功能模块Classification (分类) 检测结果:准确度100%
PCB板缺陷检测案例
视觉设备参数检测数据
设备类型非标检测数量30000
光源类型条形光源*2过检数量45
相机类型面阵500万像章漏检数量0
PC显卡类型1060检测准确率99.85%
检测速度5张/秒
检测项目表面损伤、焊盘不 等
训练数据:750 张图像(NGs2ss长、OK225 张) 检测结果:准确度99.85% 检测数据:30000 张图像软件名称:软件功能模块Segmentatin(分割)
简便快速生成深度学习模型,无需算法最优化作业
德研是在PCB、光伏、显示屏、电子产品、新能源电池等多种领域使用的以深度学习为基础的机器视觉检测软件。现在也在现场以多样的数据为基 础进行学习不测试,不断实现性能的提升。从标签工具到结果输出,以验观的图片结果为基础为用户提供最佳的用户体验以及便利性。已在复杂的生产线 上提供数据采检、缺陷检测服务。