對產品的高要求以及較高的時間和成本壓力是所有行業和部門的決定性競爭因素。無論是在食品工業還是汽車工業中，如今，質量，安全性和速度都是決定公司成功的因素。目標是實現零缺陷生產。但是，如何保證只有完美無瑕的產品才能離開生產線呢？為了使質量檢查儘可能高效，簡單，可靠和具有成本效益，德國公司sendin GmbH開發了使用IDS的深度學習和工業相機的解決方案，以實現快速，強大的錯誤檢測。哨兵視覺系統使用基於AI的識別軟體，可以使用一些樣本影像進行訓練 ， 更多資訊盡在振工鏈 。

對產品的高要求以及較高的時間和成本壓力是所有行業和部門的決定性競爭因素。無論是在食品工業還是汽車工業中，如今，質量，安全性和速度都是決定公司成功的因素。目標是實現零缺陷生產。但是，如何保證只有完美無瑕的產品才能離開生產線呢？如何避免導致高成本的錯誤質量決策？為了可靠地測試，質量保證中使用了各種各樣的方法。

可以用肉眼進行目視檢查，但通常容易出錯且價格昂貴：眼睛疲勞和工作時間昂貴。另一方面，機械測試通常伴隨著複雜的校準，即設定和調整軟體和硬體的所有引數，以檢測每個錯誤。此外，產品或材料的更改需要重新校準。此外，採用經典的基於規則的方法，程式設計師或影像處理器必須為系統專門程式設計規則，以向系統解釋如何檢測錯誤。這很複雜，並且具有很大的錯誤變化，通常這是很難解決的艱鉅任務。所有這些都會花費大量時間和金錢。

為了使質量檢查儘可能高效，簡單，可靠和具有成本效益，德國公司sendin GmbH使用IDS工業相機和深度學習來開發能夠快速而可靠地檢測錯誤的解決方案。這是因為，與傳統的影像處理相比，神經網路學會了根據影像本身來識別特徵。這正是智慧哨兵VISION系統的方法。它使用基於AI的識別軟體，並且可以基於一些樣本影像進行訓練。結合IDS的GigE Vision CMOS工業相機和評估單元，可以輕鬆地將其嵌入現有流程中。

應用

該系統能夠分割物件，圖案甚至缺陷。即使是難以檢測的表面也無法停止系統。可以在汽車工業（金屬表面的缺陷檢測）或陶瓷工業（透過在反射和鏡面可見凹痕的缺陷檢測）中找到經典應用，在食品工業（物體和圖案識別）中也可以找到經典應用）。

根據應用程式，對AI進行培訓以檢測錯誤或異常。藉助後者，系統學會了區分好零件和壞零件。例如，如果檢查了表面結構，例如汽車行業的金屬零件或陶瓷零件，則人工智慧會將誤差檢測為與參考影像比較的偏差。透過使用異常檢測和預先訓練的模型，系統可以僅基於一些良好零件的樣本影像來檢測缺陷。

培訓和評估所需的硬體設定包括IDS工業相機和適當的照明。使用參考影像訓練使用的識別模型。例如，配置了一個系統和AI模型來對紡織工業中的織物網進行易於出錯的檢查。一項艱鉅的任務，因為錯誤可能非常主觀且很小。根據特定的客戶要求，與IDS一起選擇了用於紡織品和幅材最佳影像材料的系統相機。選擇了GigE Vision CMOS攝像頭（GV-5880CP），該攝像頭可提供以精確定時觸發的高解析度資料，以進行準確的影像評估。

該系統將學習構成“良好”織物結構的內容，並且從織物的幾幅鏡頭中就已經知道清潔無瑕的產品的外觀。為了進行質量檢查，IDS Vision CP攝像機捕獲的影像然後透過GigE介面轉發到評估計算機，並用識別模型進行處理。然後，該計算機可以可靠地區分出好/壞零件並突出顯示偏差。發現錯誤時，它會提供輸出訊號。這樣，可以快速，輕鬆地減少打滑和偽品。

滑點是指不符合標準但被忽略並因此未分類的產品所佔的比例，通常會引起投訴。另一方面，偽劣產品是那些符合質量標準但仍被錯誤分類的產品。

系統的硬體和軟體都非常靈活：對於多個或更大的網路，可以輕鬆將其他攝像機整合到設定中。如有必要，該軟體還允許對AI模型進行重新訓練。“經驗簡單地表明，由於個人情況小，總是需要一定數量的夜間訓練。有了我們產品組合中的預訓練模型，您需要的個性化和後期訓練參考影像就更少了，”執行長兼聯合創始人克里斯蒂安·埃爾斯解釋說的哨兵。在這種情況下，影像顯示了織物的結構化表面以及其上的一個小異常現象，該異常現象在右側的影像中被濾除：

從物質記錄中提取的異常– sentin GmbH

相機

極其精確的影像採集和精確的影像評估是所用相機的最重要要求。非常適合：GigE Vision CMOS相機GV-5880CP。該型號具有1 / 1.8英寸捲簾CMOS感測器Sony IMX178，可實現6.4 MP（3088 x 2076 px，長寬比3：2）的超高解析度。在全解析度下，其幀速率高達18 fps。因此，Sony STARVIS系列感測器具有BSI技術（“背面照明”），是對光敏感度最高的感測器之一，其暗電流低至SCMOS範圍（科學CMOS）。即使在非常弱的光線條件下，也可以確保令人印象深刻的結果。由於感測器尺寸為1 / 1.8英寸，GigE Vision型號GV-5880CP可以使用各種C型安裝鏡頭。技術人員Arkadius Gombos表示：“除了解析度和幀速率外，介面和價格也是決定攝像機的決定性因素。與IDS開發部門的直接交流幫助我們減少了攝像機整合所需的時間。” Sentin的經理。透過GenTL和Python介面可將其整合到sentin VISION系統中。

IDS的GigE Vision攝像機GV-5880CP確保在檢查織物時確保精確的影像採集和準確的影像評估– sentin GmbH

結論

與人工視覺檢查或常規機器視覺應用相比，具有人工智慧的基於影像的自動化質量控制具有許多優勢。Christian Els總結道：“在基於AI的影像解釋中，目標是建立人類可以看到錯誤的影像，因為AI模型也可以做到這一點。” 該系統學會識別類似於人類的產品需求。但是就一致性和可靠性而言，人工智慧隨時會打敗人腦。即使大腦具有出色的峰值效能，人工智慧也可以識別更為複雜的錯誤模式。另一方面，在疲勞和視力方面，人眼無法抵擋任何攝像機。結合深度學習識別軟體，因此，影像處理系統可以實現特別快速和準確的檢查。根據應用的不同，影像採集和評估可以在幾毫秒內完成。

該系統還可以應用於其他領域，例如表面測試。類似的應用是，例如對磨砂金屬/塗層表面（汽車內部），天然材料（石材，木材）或工業紡織品（如皮革）進行測試。因此，可以檢測到消費品上的劃痕，裂縫和其他缺陷，並分類出相應的產品。排除質量缺陷，只生產“好東西”，這是質量保證框架內必不可少的過程。IDS攝像頭與sendin GmbH的深度學習支援軟體相結合，極大地最佳化了質量控制中缺陷和物體的檢測。這可以在許多行業和領域中顯著減少投訴和返工以及偽造廢品的人員和時間支出 ， 更多資訊盡在振工鏈 。