QUARK300基于深度学习用于工业缺陷检测

2021/11/5 13:49:42

随着机器视觉、工业自动化的快速发展,各类元器件表面细微缺陷对元器件的性能影响越来越大,如何更好地对产品表面缺陷进行检测也随之被提出来。机器视觉系统已经可以部分替代人类视觉,但在一些复杂场景下采用机器视觉系统依然存在许多挑战。

640.webp (1)

传统的视觉算法存在一些局限性。例如,图像中的缺陷特征可能非常多样化,那么必须通过工程师的判断以及反复试验,才能决定可以使用哪些功能来最好地识别缺陷。由于编程很难覆盖所有的缺陷特征,传统的视觉算法通常会遇到较高的误报率。基于深度学习的方法可以缓解许多此类问题,可以检测到传统算法可能无法检测到的缺陷。因此,深度学习方法可以补充现有的传统算法,从而使整个解决方案更易于操作且更准确。

640.webp

深度学习的应用包括模型训练和推理,必须考虑硬件配置,该硬件配置应能够运行神经网络模型,同时又满足设备的实时性能要求和生产线的节奏。QUARK-300系列便是成熟的解决方案,搭载能够支持intel 5代~10代酷睿处理器,它适用于MV和AI工业干扰环境下的应用,并支持千兆网络或USB3.0作为摄像机输入。

640.webp (2)

机器视觉系统中,工控机作为整个检测系统的“大脑”,所需配置的工控机性能上具有更高的要求。阿诺威·华北科技作为专注于工控机系统的领导厂商,基于用户需求推出的QUARK-300系列非常适用于机器视觉检测应用场景。

微信截图_20211105134847

微信截图_20211105134923

微信截图_20211105134909