大家对AI的期待越来越高,因为它能像人一样识别对象物的特征,并自动学习判断标准。但是,要使其投入实际应用,必须准备大量的图像数据供AI学习,而且还面临若干问题,如AI工程师的保障、需要在现场安装特殊的AI硬件等,因此很难将AI引入生产现场。为了解决这些问题,欧姆龙全新开发了一种缺陷抽取AI,再现了熟练工的检测方法,并将其搭载于图像处理系统FH系列中。
1、通过类似人的“感性”来发现划痕
FROM:对人感性的依赖
缺陷的检测依靠人的感性,难以定义,成为自动化的难题。
TO:利用AI技术,自动实现目视检测
检测人员拥有的“将背景中的不协调视为缺陷”的技能,已利用AI技术化,并作为图像过滤器搭载。
即使是新品种、未知划痕、复杂背景这些机器以前难以判断的内容,也可以在没有划痕样本或调整的情况下,检测为“划痕或缺陷”。
2、类似熟练工的“经验”来判断良品
FROM:依赖于熟练工的经验
在官能检测中,允许良品状态有差异。由于良品状态的判断标准依赖于熟练工的知识,因此很难用以往的FA图像处理系统对其进行定义,并且需要不断进行设置调整工作,这成为自动化的难题。
TO:利用AI技术实现调整知识自动化
“AI准确匹配”通过学习良品状态的图像数据,在短时间获得检测人员在多年实践中积累的“检测技术和知识”。
除了能够再现熟练工的检测能力外,相比传统的自动化检测方法,能够减少因公差导致的良品过检,大幅降低成本以及提高生产效率。
3、无需构建AI专用环境
引进AI不需要高规格硬件,也无需配备AI工程师来构建适合不同现场环境的系统。利用在生产现场已有大量使用经验的通用图像处理系统,即可轻松引进AI。
▲ 无需AI专用硬件
需要准备工作站级别硬件的AI检测技术无法在现场大规模引进。FH系列不需要专用硬件,因此可以轻松引进。
▲ 无需AI工程师
为了将AI技术调整至能在自己公司的工序中稳定运行,除了图像处理技术外,还需要编程和维护,但FH系列能够以普通图像传感器的操作感觉来使用AI。无需AI工程师。
在线留言询价
型号 | 品牌 | 询价 |
---|---|---|
BD71847AMWV-E2 | ROHM Semiconductor | |
MC33074DR2G | onsemi | |
CDZVT2R20B | ROHM Semiconductor | |
TL431ACLPR | Texas Instruments | |
RB751G-40T2R | ROHM Semiconductor |
型号 | 品牌 | 抢购 |
---|---|---|
TPS63050YFFR | Texas Instruments | |
BU33JA2MNVX-CTL | ROHM Semiconductor | |
ESR03EZPJ151 | ROHM Semiconductor | |
STM32F429IGT6 | STMicroelectronics | |
IPZ40N04S5L4R8ATMA1 | Infineon Technologies | |
BP3621 | ROHM Semiconductor |
AMEYA360公众号二维码
识别二维码,即可关注