中国

视觉沙龙 Alpha Camera 智能学习相机

前段时间,智能围棋程序AlphaGo战胜九段高手李世石的新闻引起很大的轰动。关于人工智能与人类智力的较量,随着人工智能的智能学习功能不断完善,也愈来愈被大家所津津乐道。接下来就为大家介绍—下此回AlphaGo之所以战胜李世石的法宝—“智能学习技术”,其在工业领域也被广泛应用,尤其是工业相机。

首先请大家看看这两张图

大家觉得有区别么?

这些呢?

貌似都一样吧。

下面这幅图和前面对比呢?

有些朋友可能已经发现,第二组图的图片名称后缀都有NG,而前面一组是OK。
那么OK与NG的差别您发现了吗?

再仔细观察的话,可以发现第二组图片在有些边缘的地方会暗一些。
这是因为制成的关系,有时候倒角会有不同。
虽然有严格的尺寸标准,可是用视觉貌似又没有那么简单可以区别出来。
何况,这种倒角问题可能出现在任何边缘处。位置不确定,也不在规则曲线上。

怎么办??

像可以看出区别在哪里么?

其实这些都是OK品。
但是可以发现OK品之间存在色差和其他小细节不同。

NG品:你可以发现第二幅图的不良在哪里么?

像以上这一类的不良检测,我总结一下有这样的特点:

1,会产生不良的区域随机或者背景复杂。
2,OK品自身会有不少差异。简单使用差分
(图像减法,或者说图像对比)
无法区分是OK品之间的差异还是NG品的不良。

这个时候,大家可以试试智能学习功能。先给大家看效果,最后再讲原理。

在经过智能学习后,OK品的检测结果:
NG品的检测结果:
OK产品的检测效果:
NG产品的效果。这样看不良一目了然,
其中第二个产品的不良原来是字母顺序问题。

原理:

原理其实也并不复杂。首先要准备的是足够样本量的OK产品。然后通过对多个OK品进行全彩信息学习,从而找到OK品的共同特点,以及之间的正常容差。

学习全彩信息

完全学习每个像素的全彩信息后决定良品的偏差范围。还能正确地学习仅从黑臼无法分辨的良品色差。

具备支持功能,可让用户放心使用

自动去除错误学习

即使在学习时混入不良品,也可以自动将其去除。视觉系统可排除学习时的人为错误。

自动计算和设定闯值

从己学习的良品.自动计算和设定闯值。

全彩信息学习后的平均图像:

容差图像:

然后再据此为模板,可以准确的判断NG品的差异。甚至是不可预知的NG类型。

适用领域:

智能学习最适用的领域如下:

1 存在多个品种, 需多次创建设定

盒装纸巾的错误排列检测

只要将复数品种的良品放在流水线上就能完成设定。颜色、形状、图案等各种各样的品种要素都可以通过留能学习工具法行全面的对应。

2 存在多处检测位置

引线稽的瞧不良检测

位测位置多、设定复杂等问题都可通过「智能学习」 工具来解决.同创无需颜色设定。

3 检测位置的形状复杂

盒装纸巾的错误排列检测

由于学习包含轮廓部分在内的擎个工件,所以不再需要按照复杂的工件形状描绘多处范围。

4 良品存在偏差

仪表扳按钮的错误安装检测

学习并检测良品上不同照明状态导毅的粗细偏差,从而可以防止良品的错误排查。

  • 产品资讯
  • 技术资料
  • 联系我们
  • 想要更系统地学习图像处理相关知识吗? 精编干货!由新员工教育培训讲师主讲的 《图像讲座》汇总篇 点击此处下载PDF
  • 基恩士最新视觉系统产品阵容 高速、大容量智能引导式视觉系统CV-X200/X100系列目录 点击此处下载PDF
  • 关注基恩士,订阅图像处理的第一手技术情报