正文
智能黑盒！基于深度学习的缺陷检测系统
用于判断外观缺陷的传统机器视觉基于图像灰度值对比算法，对图片的质量要求很高，图片背景杂乱或对比度不明显时，很难对缺陷进行准确定位和识别，因此需要更优异的检测算法来解决这一问题。
海克斯康影像产业单元推出全新基于深度学习的缺陷检测系统，按照人脑的判断理念来进行缺陷检测。
检测过程及检测原理
针对产品中某一类型的缺陷，输入10~20张缺陷样本，通过成像系统拍缺陷样本图片，人工在样本图片上对缺陷特征进行标记，之后软件通过算法对标记好的图片进行深度学习，学习之后建立自己的NG数据库，从而形成针对该种类缺陷的神经网络。当被检测工件输入，系统即可智能判断它是否有此类缺陷，同时对缺陷进行及时可靠的识别、标记和分类。
基于深度学习的视觉检测软件让机器有了大脑，有了像人一样的学习能力，可以在不断工作中积累经验，检测的次数越多经验越丰富，结果越来越精准。系统使用神经网络算法，模块化地解决机器视觉的各种问题。
检测优势及特点
相比传统机器视觉，基于深度学习的机器视觉检测系统的检测结果有着更高的检测准确性和重复性。产品的优势更大，可以解决更多复杂的问题。
|
1 |
简单快速：检测光源要求不高,不需要集中精力在如何使图像对比度更高，缺陷显示更明显。训练速度快,善于处理不明显的特征。 |
|
2 |
扩展性强：系统采用的模块式结构确保测量机拥有可扩展性。凭借丰富的配置，可根据对性能和精度的需求以及预算量身定制传感器、镜头、光源等。当用户对配置、测头和软件等需求发生变化时，可对该系统进行相应改造。 |
|
3 |
卓效全检：多工位同时测量，2s即可完成产品4个面的测量，可以根据特殊需求定制所有面的测量。卓效快速，尤其适合在线全检检测。 |
|
4 |
数据丰富：测量软件可根据客户需求添加定制功能模块。自动保存测量结果，数据生成为Excel，Txt等形式，亦可根据客户需求导入到制定表格中; 同时可以保存不良图片，方便进行工艺分析。 |
缺陷检测应用
基于深度学习的缺陷检测系统能够无缝配合生产对接，实现检测过程的自动化。检测系统日夜无休地测量每一个零件，响应生产节拍。使用该系统节省人力成本和管理成本，一次性投资带来长期稳定的效益。让人工智能走入机器视觉领域，实现真正意义上的机器替代人，必将推动新一轮的产业升级。
系统可以检测多种缺陷特征，通过更换治具和视觉算法就可以切换不同类型的产品。海克斯康影像测量针对五金、塑胶、PCB、玻璃等行业提供具体的方案。