前往主要內容
工商時報LOGO

AI影像辨識 產線製程新技術

  • 工商時報 利漢民
圖為威視康內部訓練。圖/威視康提供
圖為威視康內部訓練。圖/威視康提供

已將目前網頁的網址複製到您的剪貼簿!

導入成熟的機器學習方法,把數據變成訓練材料,打造自動化機制,讓其可視化是傳產轉型首要之務,同時也在確保製程參數的正確性,都起了很大的作用。

威視康科技表示,傳統行業的IT升級不只是建一個網站這麼簡單。威視康的目的就是幫助企業克服這些挑戰,試圖在業者成本與效益皆能兼顧下,一步一步協助傳統業者朝智慧工業邁進。威視康以幾個傳統產業為例,提供了開發和部署AI解決方案。比如像是紡織業;織物的圖案可能相當複雜,且位置變化會干擾外觀檢查的分析、面料的延展性而產生的變形,難以判對是否為瑕疵、織物缺陷具有無數類型,搜尋所有缺陷並非一個可行的方式等因素成為提升生產效率的阻礙。然而,康耐視 ViDi 紅色檢查工具,提供一組具有代表性的合格元件圖像樣本,供系統在完全無監督的模式下自行學習紡織圖案、紗線特性、顏色和可接受的缺陷。

另外焊縫檢測也面臨;焊縫具有許多不同的形狀和特徵,傳統機器視覺難以定義。且需要忽略焊接流程和材料中的正常變化、高度反光、不規則的金屬表面,圖像會呈現複雜的紋理等問題。Cognex ViDi 紅色檢查工具,對可接受焊接元件的外觀進行訓練,檢測流程能夠可靠識別焊縫缺失、焊接過度、焊接不充分、焊縫中孔洞等缺陷。紋理金屬表面缺陷過去做不到的原因包含:元件表面具有明顯的紋理,難以識別缺陷、碰撞、刮痕或污漬、必需忽略材料中的正常變化和不明顯的異常等。康耐視 ViDi 紅色檢查和綠色分類工具,可以自動組合各種背景資訊,以創建元件形狀和紋理的可靠模型。碰撞和刮痕有別於局部表面正常變化,視為異常。

此外,於加工原件也存在著:多步驟的移印,機器視覺無法判斷這些可接受的相對變化、當油墨用量不同,視覺無法判斷字體、線條厚度產生的變化、基材紋理存在隨機性,如拉絲或以其他方式裝飾的金屬。Cognex ViDi 針對旋轉的柱形元件進行訓練,可接受表面紋理變化及複雜的頂端和自鑽式底切,辨別刀口處破裂、頂端破裂、刮痕、凹陷或污漬。

威視康補充,傳統產業未來比較容易面臨的問題在於少量多樣的挑戰。如果生產需求變化快速,那麼傳統產業將更頻繁地改變產線內容去符合多樣化的需求,這將致使機器在導入人工智慧時,必須具備更大量的數據資料與更多樣化的學習模式,才能應變瞬息萬變的市場需求。

您可能感興趣的話題

返回頁首
LOADING

本網頁已閒置超過3分鐘。請點撃框外背景,或右側關閉按鈕(X),即可回到網頁。