质量检测是制造业进程中必不可少的一步,但质检问题复杂、多样、且多变。当前制造业大量的质检工作仍然依靠人眼目视来完成——这一工作劳动强度大、人员招工难、专业度不高,并且很难保证质检标准稳定和一致。
梅卡曼德正式发布的AI质检平台软件Mech-DLK内置多种强大的深度学习算法,且有简单的图形化界面。用户通过简单操作,即可使用先进的人工智能技术高效解决各类复杂质检问题,提升生产效率和质量,降低用工成本。
目前,Mech-DLK已经成功将AI质检应用于新能源、3C电子、PCB(印刷电路板)、汽车、日用品等行业。
Mech-DLK四大功能模块
| |
图像分类 可指定类别后判断物体状态、类别,例如物体有无检测、正反面检测,缺陷分类等。 | 目标检测 确认图像中指定物体的类别、位置、数量。 |
| |
语义分割 像素级图像分类,可应对精细程度高、形状不规则的缺陷。 | 实例分割 从大量堆积的物品中识别并找出指定物体,标注出物体的轮廓及类别。 |
技术优势
高精度算法
自研高精度深度学习检测算法,可应对多种检测类应用,减少参数数量的同时保证缺陷检测准确率。
支持小样本数据
依靠先进的数据倍增方式,Mech-DLK可快速整合图像数据,少量样本即可完成模型训练。
先进的训练过程
基于自主设计的先进损失函数,自适应调整正负样本平衡策略,使训练收敛更快。
功能优势
操作简单
图形化界面功能完善且操作便捷,用户无需专业技能即可实现多种深度学习应用;
采用数据列表、图片备注等功能,便于数据的导入、查找和管理;
便捷的标注方式,大幅提升操作效率。
高效部署
支持级联多个深度学习模型,部署复杂的检测类应用只需一个模型包。
验证结果可视化
支持模型验证,对比标注结果大幅提升视觉方案验证效率。
开放易用
支持使用 Mech-Vision 图形化机器视觉软件进行部署;提供 C、C++ 以及 C# 等不同语言的SDK,便于用户二次开发;
Mech-DLK可针对不同的应用场景(无序抓取、工件上下料、检测测量)需求提供相应的软件版本。
实际案例
动力电池焊缝缺陷检测
项目难点:
项目需检测软包锂电池极耳在激光焊接过程中产生的外观缺陷。软包锂电池产品种类较多,不同机种极耳排布不同,检测工程需要兼容多种产品,且部分缺陷成像不明显。
▲软包动力电池及其激光焊接缺陷检测结果图
项目优势:
· 检测速度快,可以应对各类细小缺陷;
· 配合 Mech-Vision 图形化机器视觉软件快速部署深度学习业务,与产线现存的自动化设备无缝集成;
· 利用 Mech-DLK 深度学习软件,用少量缺陷图片训练高精度检测模型;
· 基于 Mech-DLK 模型级联方式,“端到端”实现缺陷检测和缺陷分类;
· 投资回报率高,完全满足用户需求。
项目成果:
视觉方案已替代客户人工质检工位,漏检率< 0.2%,过检率< 1%。
RJ45 接插件缺陷检测
项目难点:
项目需检测 RJ45 接插件顶面、侧面和 Pin 针插孔等各功能区的外观缺陷。RJ45 接插件各表面的材质不同且外观缺陷种类较多,部分外观缺陷如金属面划伤、注塑面凹坑等缺陷成像较弱且容易受背景干扰。
▲检测结果图(左:金属面划伤、右:塑件损伤)
项目优势:
· 多工位视觉系统,覆盖RJ45各表面及功能区域;
· 整合各类 2D、3D 视觉方案,实现各类外观缺陷(压伤、变形、金属三伤、注塑面凹坑等)的高对比度成像,避免背景干扰。
· 利用 Mech-DLK 深度学习软件,分别训练金属面、注塑面、Pin 针插孔等各功能区的缺陷检测和分类模型;
· 配合 Mech-Vision 图形化机器视觉软件实现多个检测工位通讯、视觉器件控制和生产数据统计及展示等功能。
项目成果:
基于此方案的自动检测设备检测速度快、准确率高,已接入客户产线并批量生产。
专业服务
作为一家智能机器人基础设施产品公司,梅卡曼德在光/机/电核心器件、成像算法、视觉识别算法、机器人算法、工业软件等核心技术上均有深厚积累,并建立了高标准的自有相机工厂、交付、培训、售后体系。
梅卡曼德将持续赋能集成商和合作伙伴,帮助用户完成真正的“一站式”智能机器人部署,让自动化应用更便捷、高效、简单。
Mech-DLK 深度学习平台软件现已正式发布。如您想了解使用,请联系您的对应销售,我们将竭诚为您提供服务。