應用人工智能的分支 -- 神經(jīng)網(wǎng)絡(luò)中的深度學習，我們研究開發(fā)了一款產(chǎn)品 ---HxGN Visual Detection，賦能產(chǎn)品外觀質(zhì)量檢測，助力實現(xiàn)產(chǎn)品外觀質(zhì)量檢測自動化，為制造者們賦上一雙“朝氣蓬勃”的慧眼，減少人工檢測的成本，提高外觀檢測的效率，強力建設(shè)國家質(zhì)量品牌。

可檢測的主要瑕疵類型：
 

產(chǎn)品特色：

1、學習速度——快
針對產(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)通過深度學習 建立自己的 NG 數(shù)據(jù)庫，從而形成針對該種類 瑕疵的神經(jīng)網(wǎng)絡(luò)；當被檢測工件通過成像系統(tǒng)， 即可被智能識別、標記和分類。
 

2、識別判斷——準
HxGN Visual Detection 人工智能產(chǎn)品瑕疵模型訓練平臺可有效的完成高干擾背 景下的缺陷識別和不規(guī)律的圖像分析，達到人 眼辨別水準，并且多層神經(jīng)網(wǎng)絡(luò)層對學習模型 進行了有效訓練，使得瑕疵檢測率高于傳統(tǒng)檢 測方式

以 2D 玻璃、金屬殼體瑕疵檢測為例：

·訓練數(shù)據(jù)：100 張不良，100 張合格品

·檢測數(shù)據(jù)：1000 張

·缺陷識別率：大于 98%

·漏檢率：小于 0.5%

3、檢測效率——高

·使用獨立 GPU 進行圖片處理，可多 GUP 并 行，使得檢測時間可低至毫秒級別。

·測量過程中獲取的圖像可以進一步的學習， 從而減少優(yōu)化過程。

·配合自動化實現(xiàn)車間在線完成零件外觀瑕疵 的 OK/NG 判斷和分 BIN。

4、應用范圍——廣

智能瑕疵檢測應用案例

智能瑕疵檢測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 導體等行業(yè)……
 

典型案例
 

·電腦D面標簽                  ·手機中框膠路                              ·手機背板外殼                       ·手機背板螺母位置度

·手機薄膜                        ·手機天線                                     ·手機折疊保護殼                    ·頭戴式耳機

·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)的智能檢測項目團隊，基于豐富的項目經(jīng)驗和強大的軟硬件開發(fā)能力，能夠為客戶提供定制化的智能瑕疵檢測方案。目前 HxGN Visual Detection 人工智能產(chǎn)品瑕疵模型訓練平臺已經(jīng)為世界頂級客戶以及廣大的 3C 電子客戶的產(chǎn)品質(zhì)量外觀檢測，品牌建設(shè)創(chuàng)造了巨大的價值。