图像自动外检

通过深度学习和图像处理算法,进行全自动生产流程管理,自动识别图像中的瑕疵或故障,以达到大幅节省人力,提高产品生产效率及精度稳定性的效果

典型场景

  • 产品瑕疵识别

    借助于阿里云数据处理能力,结合阿里云在机器视觉方面的经验沉淀,经过数据采集、数据标注、模型训练及优化,对各产品瑕疵分类进行高效的自动识别,减少人力相关的成本投入、经验及误判损失。

  • 设备运行状态识别

    借助于阿里云数据处理能力,结合阿里云在机器视觉方面的经验沉淀,经过数据采集、数据标注、模型训练及优化,对即将造成车辆、加工中心等停机、安全事故等重点设备、组件的状态进行自动识别,减少对人工的依赖,避免安全隐患,降低停机、事故等损失。

方案简介

借助于阿里云的图像识别和算法分析技术, 完成产品瑕疵或设备运行状态识别。首先提供待识别图片,按照约定好的数据格式调用阿里云在本地部署的图像识别服务,系统接收到指定格式的图片后对其进行识别,并返回是否有瑕疵或故障的判断结果,如该图片有瑕疵或故障,返回对应瑕疵或故障类型。

  • 数据舱

    摄像机器的软件系统输入图片到阿里云部署的本地服务API;

  • 应用舱

    阿里云算法模块针对输入图片进行分割识别等处理,返回识别结果;

  • 指挥舱

    最终通过界面方式交付客户,客户可在基础上进行抽查等操作。

方案优势

算法与硬件结合,充分发挥硬件性能,提高算法分析工业故障图片的效率,丰富工业故障图像,训练可以替代人工的算法

  • 强大的计算能力

    利用阿里云强大GPU集群计算能力,可以实现模型训练的快速迭代。

  • 雄厚的研发能力

    吸收和采用国际先进的机器学习算法,研发团队不断研发新的深度学习算法,创新性的解决某一类场景中的工业故障。

客户案例

  • 某光伏头部企业
    应用场景:多晶硅电池片EL影裂
    识别实际效果:通过图像外检技术,实现了多晶硅电池片暴多EL影裂、崩边、暗斑等在内的10余种瑕疵的自动识别,准确率超过99%。
  • 某橡胶头部企业
    应用场景:轮毂x光探伤
    实际效果:通过图像外检技术,实现轮毂x光探伤的识别准确率超过95%。