我們都知道，目前視覺(jué)檢測(cè)技術(shù)在工業(yè)領(lǐng)域的應(yīng)用已經(jīng)非常成熟，但是否代表著可以完完全全替代人眼了呢？答案是否定的。因?yàn)樵诓糠值漠a(chǎn)品外觀檢測(cè)中，依然需要熟練技術(shù)人員的感性和經(jīng)驗(yàn)來(lái)判斷，例如判斷各種顏色和尺寸的劃痕、產(chǎn)品本身有很大差異時(shí)如何判定缺陷產(chǎn)品等。

在如今熟練技術(shù)人員短缺和人工成本急劇上升的背景下，要全部依賴人工來(lái)做判斷，明顯是不現(xiàn)實(shí)的，因此各大自動(dòng)化廠商紛紛加入了AI檢測(cè)的研究中，但要使其投入實(shí)際應(yīng)用，必須準(zhǔn)備大量的圖像數(shù)據(jù)供AI學(xué)習(xí)，還有AI工程師的保障、需要在現(xiàn)場(chǎng)安裝特殊的AI硬件等課題，導(dǎo)致至今都未能成功將AI真正地引入生產(chǎn)現(xiàn)場(chǎng)。

歐姆龍敢于“先人一步”，率先將這項(xiàng)突破性的技術(shù)，搭載于自己的圖像處理系統(tǒng)中，并使其運(yùn)用于實(shí)際的生產(chǎn)過(guò)程，讓我們共同目睹一下，究竟AI檢測(cè)，是否能夠再現(xiàn)人類的經(jīng)驗(yàn)判斷吧~

-- 應(yīng)用效果實(shí)測(cè) --

金屬?zèng)_壓零件的劃痕檢測(cè)

以金屬?zèng)_壓零件的劃痕檢測(cè)為例，例如我們拍攝到的圖像為下圖所示。

以往，需通過(guò)指定工件表面的顏色信息，或需要檢出的劃痕尺寸來(lái)對(duì)劃痕做出定義。但在有大量背景干擾的情況下，對(duì)于劃痕的定義是非常困難的，經(jīng)常會(huì)出現(xiàn)將刻印誤判為劃痕的案例。

-- 無(wú)法區(qū)分劃痕或干擾-- 

歐姆龍搭載AI的圖像處理系統(tǒng)，能夠自動(dòng)抽取出被推測(cè)為劃痕的部位，不通過(guò)顏色、亮度來(lái)定義，而是利用AI來(lái)抽取劃痕本身，使得穩(wěn)定檢測(cè)變?yōu)榭赡?，不再依賴于熟練技術(shù)人員的經(jīng)驗(yàn)判斷。

神奇的

AI劃痕抽取過(guò)濾

歐姆龍的圖像處理過(guò)濾器，預(yù)先學(xué)習(xí)了“人感覺(jué)是劃痕的圖像特征”。即使沒(méi)有定義劃痕，例如用傳統(tǒng)方法很難自動(dòng)化檢測(cè)的“不可預(yù)測(cè)的尺寸、形狀、顏色”等，AI也能判斷并抽取劃痕的特征。

學(xué)習(xí)數(shù)據(jù)包括歐姆龍迄今為止積累的圖像，可以檢測(cè)不確定背景中的缺陷，例如加工面上的缺陷，這是傳統(tǒng)方法難以實(shí)現(xiàn)的。

在實(shí)際生產(chǎn)現(xiàn)場(chǎng)，最令人頭疼的，就是明明有劃痕等產(chǎn)品缺陷，卻被圖像處理系統(tǒng)漏判，認(rèn)定是良品。

明明沒(méi)有劃痕等缺陷，卻被圖像處理系統(tǒng)將刻印誤判為劃痕，認(rèn)定不良品。

如此不僅增加了不良品的流出幾率，而且最終仍然要回歸至人工檢測(cè)，材料浪費(fèi)與人員作業(yè)工時(shí)雙重的成本疊加，是任何一家生產(chǎn)廠商都無(wú)法承受的。

無(wú)需定義和學(xué)習(xí)，可自動(dòng)檢測(cè)各種劃痕

通過(guò)AI技術(shù)，擺脫了對(duì)于人類“感性和經(jīng)驗(yàn)”的依賴，實(shí)實(shí)在在為生產(chǎn)現(xiàn)場(chǎng)帶去價(jià)值，目前包括金屬?zèng)_壓零件的劃痕檢測(cè)在內(nèi)，我們還在各行業(yè)的多工藝中進(jìn)行了實(shí)測(cè)，效果顯著！

一、磨砂（噴砂）金屬表面刮擦

二、樹脂類制品表面劃痕

三、拉絲面上的暗色劃痕

四、拉絲面上/存在陰影的淺色劃痕

可以穩(wěn)定地抽取以上各種材質(zhì)、顏色和尺寸的劃痕（以前需要先定義劃痕），且無(wú)需進(jìn)行調(diào)整。如果您已經(jīng)心動(dòng)了，趕緊向聯(lián)絡(luò)當(dāng)?shù)氐氖聞?wù)所，自己親自來(lái)感受下吧~

更多內(nèi)容詳情請(qǐng)點(diǎn)擊