Example実例紹介
使用COGNEX VisionPro DeepLearning的标准软件
| 分类 | 汽车零部件 |
|---|---|
| 工件 | 发动机 |
| 检测内容 | 异物检测 |
| 应用 | 深度学习 ＋ 基于规则的图像处理 |
Before
这是发动机零件的拍摄图像。
填料被附接到金属板上，但是每次的位置都略有不同，因此在常规的图像处理中错位也被当成缺陷检测出，难以随机探测缺陷。
填料被附接到金属板上，但是每次的位置都略有不同，因此在常规的图像处理中错位也被当成缺陷检测出，难以随机探测缺陷。
After
通过深度学习软件，使用一系列合格图像和标记了缺陷的不合格图像范例，即可检测出缺陷部分。
【主要特征】
结合基于规则的图像处理和深度学习软件进行检测。
在标准软件上，客户可以简单的利用基于规则图像处理的图像过滤，位置校准，图像剪裁，再通过深度学习进行缺陷检测等处理。
另外还能针对深度学习检测结果，用基于规则来测量面积。
基于规则图像处理 ・・・ VisionPro
深度学习图像处理 ・・・ VisionPro Deep Learning
特别适合用于以下用途。
・ 缺陷检出
・ 品种分类
・ 文字读取
・ 组装检查
结合基于规则的图像处理和深度学习软件进行检测。
在标准软件上，客户可以简单的利用基于规则图像处理的图像过滤，位置校准，图像剪裁，再通过深度学习进行缺陷检测等处理。
另外还能针对深度学习检测结果，用基于规则来测量面积。
基于规则图像处理 ・・・ VisionPro
深度学习图像处理 ・・・ VisionPro Deep Learning
特别适合用于以下用途。
・ 缺陷检出
・ 品种分类
・ 文字读取
・ 组装检查