日期
02/05
2024
咨询
  • QQ扫一扫

  • Vision小助手
    (CMVU)

芯歌AI视觉滤波器组装工序识别
收藏
2024-02-05 14:15:16来源: 中国机器视觉网

项目背景

客户是国内知名汽车零部件厂商,需要引入AI深度学习对滤波器每个组装工序步骤进行监控识别,降低人为因素对产品质量的影响,同时要求对检测工序进行技术升级,检测反馈速度不低于400ms。

检测难点

产品零部件种类多,实施兼容性难度高。产线CT快,检测速度要求高。产品芯片上二维码体积小,且受印刷限制规整度较低。

微信图片_20240117141713.jpg

解决方案

微信图片_20240117141727.png

基于AIAP极智算法平台定制

预先在系统内设置检测SOP流程,通过深度学习算法检测产品各工序步骤,针对不同的目标采用相应算法得到其状态信息,判断每个工序步骤是否存在不良,并在软件界面显示检验总数量和不合格数量、合格率、不良率信息等。

检测结果

· 工序一

微信图片_20240117141730.png

· 工序二

微信图片_20240117141732.png

· 工序三

微信图片_20240117141734.png

· 工序四

微信图片_20240117141736.png

· 工序五

微信图片_20240117141739.png

芯歌在算法实施上采用像素分割方式,提高检测精度,准确识别滤波器组装过程中底盖、垫片、芯片和螺钉等零部件是否存在漏装误装,并通过二维码和条码识别记录产品ID,便于追溯。

· 条码识别

微信图片_20240117141741.png

· 二维码识别

微信图片_20240117141743.jpg

客户获益

效率优化:检测速度可达400mm/s,满足客户需求。质量优化:AI智能检测方案可对滤波器组装工序清晰成像,通过AI视觉算法处理,准确率达到99.99%,有效提高产品良率。成本优化:实现产线自动化质检,大幅降低用工成本。

技术优势

领先的小样本学习算法:克服质检领域缺陷样本不足带来的训练难问题。完整的视觉算法体系:拥有完整算法体系,包括:深度学习、传统比对算法等在内的主流算法,可覆盖90%以上的常规应用。模型压缩工具:自研深度模型裁剪压缩工具,大幅降低算力需求。简单易用,离线部署:低代码用户友善界面,无需在线即可一键训练及部署,尊重客户数据隐私。

(文章来源于芯歌感知,如有侵权,请联系删文)