日期
04/26
2023
咨询
  • QQ扫一扫

  • Vision小助手
    (CMVU)

机器视觉在瓷砖检测中的问题与解决方法,提高客户的信赖和满意度
收藏
2023-04-26 15:33:03来源: 中国机器视觉网

在工业化高度发达的今天,产品的质量问题备受关注。受“零缺陷”这种理想主义的误导,诸多消费者甚至瓷砖经销商尚不能客观认识瓷砖产品的合理误差,更谈不上发现问题后的解决方法,导致本可以用技术手段解决的小问题变成消费者眼里的大问题。市场上常见的瓷砖问题“瓷砖分类识别”与解决办法,希望能帮助大家化被动为主动,将常规问题就地处理。

项目信息

如今陶瓷砖的颜色、花纹、图案越来越多,其表面成色越来越复杂。而传统分类手段仍然主要停留在手工操作水平,由于受主观因素、熟练程度等因素的影响,人工检测和分类难以满足高精度、高效率及稳定的检测要求。因此,随着现代化自动生产的趋势到来,机器视觉技术凭借提高检测和分类的质量、提高检测的效率、节省人力成本等优势逐渐替代了传统的人工检测。

检测物:瓷砖

微信截图_20230426154833.png

检测要求:①瓷砖分类模型准确率达到99%;②可适用于流水线上,运输到不同的位置。

检测难点:①瓷砖种类较多,共6类;②颜色、花色、纹理和粗糙度均不同,干扰项较多;③传统视觉无法解决。

解决办法

我司的视觉检测软件精确检测瓷砖花色,并对缺陷信息进行统计、分类和分析,优化生产过程控制,将产品进行分级,对合格品和不合格品进行分类,提高客户的信赖和满意度。实现的过程:采集图像→特征标准→深度学习→测试验证→模型下载。如下图,利用我们自主研发的视觉检测软件即可一站式轻松检测出不同类型、花色的瓷砖。

微信图片_20230426154856.png

第一步:采集图像,建议至少30张以上,上传至软件系统。

第二步:根据瓷砖花色,添加标签,并对部分图片进行特征标注。

微信截图_20230426154905.png

第三步:一键进入训练,深度学习缺陷特征。

微信截图_20230426154913.png

第四步:测试训练效果,未标注图片转为已标注。

第五步:下载模型,部署本地验证效果。

检测效果

视觉检测方式,相比其它测试方式,模型准确率达到99.8%。

微信图片_20230426155023.png 微信图片_20230426155026.png

微信图片_20230426155029.png 微信图片_20230426155032.png

微信图片_20230426155035.png 微信图片_20230426155038.png

深度学习模型对抗干扰信息的能力更强,也具有传统视觉所不具备的泛化能力,目前客户已标注训练并进行离线测试,使用效果很好。比传统人工检测的误判率降低了10倍,此外,平台还适用于地砖、大理石、木地板、玻璃等建材领域的检测。众所周知,瓷砖缺陷类型多样,常见瑕疵缺陷:色差、变形、大小头、收腰、鼓肚、厚度偏差、开裂、崩裂、崩边角、黑心、斑点、熔洞等。这些缺陷的存在会直接影响着产品档次的提高。

瓷砖缺陷检测:开裂。开裂是瓷砖的主要缺陷之一,裂纹缺陷的形式多种多样,有侧裂,面裂和层裂。

微信截图_20230426155046.png

瓷砖缺陷检测:斑裂。这种裂纹不容易看见,危害更大,一般当发现时已经有大量的缺陷砖生产出来。在抛光或者磨边时,这些细注的裂纹,在应力的作用下会扩展而导致砖破碎。

微信截图_20230426155054.png

瓷砖缺陷检测:斑点。斑点一般有黑斑和黄斑两种,斑点处呈现洞穴状的称为熔洞。这两种缺陷往往是同时产生的,斑点严重时就成为熔洞。

微信截图_20230426155104.png

由于机器视觉系统可以快速获取大量信息,而且易于自动处理,因此,在现代自动化生产过程中,人们将机器视觉系统广泛的应用于成品检验、质量监控等领域。

(文章来源于网络,如有侵权,请联系删文)