可檢測(cè)的主要瑕疵類型：
| 劃痕 | 刀痕 | 崩缺 | 氣泡 | 凸起 | 凹痕 |
| 擦傷 | 雜質(zhì) | 變形 | 崩邊 | 白點(diǎn) | 條紋 |
| 黑點(diǎn) | 皺縮 | 波紋 | 裂紋 |
產(chǎn)品特色：
1、學(xué)習(xí)速度——快
針對(duì)產(chǎn)品的某一類型的外觀瑕疵，給系統(tǒng)輸入 10 張或更多的瑕疵樣本；系統(tǒng)通過深度學(xué)習(xí) 建立自己的 NG 數(shù)據(jù)庫，從而形成針對(duì)該種類 瑕疵的神經(jīng)網(wǎng)絡(luò)；當(dāng)被檢測(cè)工件通過成像系統(tǒng)， 即可被智能識(shí)別、標(biāo)記和分類。
2、識(shí)別判斷——準(zhǔn)
Proxima 瑕疵檢測(cè)軟件可有效的完成高干擾背 景下的缺陷識(shí)別和不規(guī)律的圖像分析，達(dá)到人 眼辨別水準(zhǔn)，并且多層神經(jīng)網(wǎng)絡(luò)層對(duì)學(xué)習(xí)模型 進(jìn)行了有效訓(xùn)練，使得瑕疵檢測(cè)率高于傳統(tǒng)檢 測(cè)方式
以 2D 玻璃、金屬殼體瑕疵檢測(cè)為例：
·訓(xùn)練數(shù)據(jù)：100 張不良，100 張合格品
·檢測(cè)數(shù)據(jù)：1000 張
·缺陷識(shí)別率：大于 98%
·漏檢率：小于 0.5%
3、檢測(cè)效率——高
·使用獨(dú)立 GPU 進(jìn)行圖片處理，可多 GUP 并 行，使得檢測(cè)時(shí)間可低至毫秒級(jí)別。
·測(cè)量過程中獲取的圖像可以進(jìn)一步的學(xué)習(xí)， 從而減少優(yōu)化過程。
·配合自動(dòng)化實(shí)現(xiàn)車間在線完成零件外觀瑕疵 的 OK/NG 判斷和分 BIN。
4、應(yīng)用范圍——廣
智能瑕疵檢測(cè)應(yīng)用案例
智能瑕疵檢測(cè)已被廣泛的用于金屬器械制造行 業(yè)、玻璃制造業(yè)、塑料生產(chǎn)行業(yè)、電子 & 通 訊行業(yè)、汽車行業(yè)、太陽能、PCB、薄膜、半 導(dǎo)體等行業(yè)……
典型案例
·電腦D面標(biāo)簽 | ·手機(jī)中框膠路 | ·手機(jī)背板外殼 | ·手機(jī)背板螺母位置度 |
·手機(jī)薄膜 | ·手機(jī)天線 | ·手機(jī)折疊保護(hù)殼 | ·頭戴式耳機(jī) |
·智能手表外殼 | ·SIM 卡支架 ( 金屬件 ) | ·閃光燈 ( 塑料件 ) | ·鏡頭模組支架 ( 金屬件 ) |
·充電器外殼 | ·充電頭 ( 金屬件 ) | ·無線充電器納米晶 | ·汽車活塞 |
|
|
|
|
|
|
|
|
我們擁有專業(yè)的智能檢測(cè)項(xiàng)目團(tuán)隊(duì)，基于豐富的項(xiàng)目經(jīng)驗(yàn)和強(qiáng)大的軟硬件開發(fā)能力，能夠?yàn)榭蛻籼峁┒ㄖ苹闹悄荑Υ脵z測(cè)方案。
