Ejemplos
Inspección de formas utilizando aprendizaje profundo
| Categoría | Componentes electrónicos |
|---|---|
| Pieza | Componentes electrónicos |
| Contenido de la inspección | Inspección de la forma de la soldadura |
| Aplicación | Deep Learning |
Before
Debido a que la forma de las áreas de soldadura varía en cada caso, no ha sido posible establecer criterios específicos para detectar defectos. Esto ha hecho que los métodos tradicionales de procesamiento de imágenes basados en reglas no sean efectivos para la detección de defectos, lo que obligaba a depender de la inspección visual humana.
After
El uso de aprendizaje profundo ha permitido aprender las formas de los defectos, logrando una detección de defectos igual o superior a la inspección visual humana. Además, ahora es posible guardar imágenes de los resultados de las inspecciones y mantener un historial, algo que era difícil de lograr con la inspección visual.
【Características principales】
La inspección de imágenes mediante Deep Learning (DL) elimina la necesidad de conceptos tradicionales como la configuración de algoritmos, filtros, umbrales y ajustes, que solían requerir un gran esfuerzo de trabajo en los sistemas de procesamiento de imágenes convencionales. Al entrenar con imágenes de referencia OK o una combinación de imágenes OK y NG, es posible realizar inspecciones de alta precisión.
※ En nuestra empresa utilizamos VisionPro Vidi de Cognex.
Además, es compatible con aplicaciones complejas que eran difíciles, tediosas y costosas de implementar con los sistemas de visión artificial tradicionales. Gracias a la flexibilidad del Deep Learning para manejar variaciones en desviaciones y defectos, supera incluso los niveles más altos de inspección de calidad convencional. Es especialmente adecuado para las siguientes aplicaciones:
・Detección de defectos
・Clasificación de materiales y tratamientos superficiales
・Verificación de ensamblajes y detección de deformaciones
・Reconocimiento de caracteres (incluyendo texto con distorsiones)
La inspección de imágenes mediante Deep Learning (DL) elimina la necesidad de conceptos tradicionales como la configuración de algoritmos, filtros, umbrales y ajustes, que solían requerir un gran esfuerzo de trabajo en los sistemas de procesamiento de imágenes convencionales. Al entrenar con imágenes de referencia OK o una combinación de imágenes OK y NG, es posible realizar inspecciones de alta precisión.
※ En nuestra empresa utilizamos VisionPro Vidi de Cognex.
Además, es compatible con aplicaciones complejas que eran difíciles, tediosas y costosas de implementar con los sistemas de visión artificial tradicionales. Gracias a la flexibilidad del Deep Learning para manejar variaciones en desviaciones y defectos, supera incluso los niveles más altos de inspección de calidad convencional. Es especialmente adecuado para las siguientes aplicaciones:
・Detección de defectos
・Clasificación de materiales y tratamientos superficiales
・Verificación de ensamblajes y detección de deformaciones
・Reconocimiento de caracteres (incluyendo texto con distorsiones)