AI深度學習/機器視覺在智能手表表帶的外觀缺陷檢測中的應(yīng)用

隨著智能手表等產(chǎn)品的迭代速度越來越快，傳統(tǒng)機器視覺不能自動學習瑕疵特征、難以分析無規(guī)律圖像、面對海量數(shù)據(jù)無法提高檢測精度等檢測局限性問題越來越突出，于是，東聲智能開始探索將人工智能深度學習技術(shù)應(yīng)用到3C消費品的檢測中。

? ? 檢測項目-

智能手表表帶的外觀缺陷檢測

? ? 檢測難點-

該項目存在以下幾個難點，缺陷種類多，包括劃痕、凹陷、污漬等；表帶材質(zhì)多樣化，包括金屬、橡膠、尼龍等；缺陷數(shù)據(jù)量少；對算法和模型的效率要求高；傳統(tǒng)的檢測算法滿足不了現(xiàn)有的檢測需求。

? ? 東聲AI解決方案-

基于HanddleAI軟件平臺的的缺陷分割算法，結(jié)合定制的光學方案，從上面、底部以及側(cè)面3個方向抓取表帶的圖像，我們可以得到表帶寬度、厚度、顏色及編織情況，因而準確抓取缺陷位置。

? ? 檢測內(nèi)容-

異色、顆粒、粘膜、亮點、百痕、黑痕、異色、臟污、雜質(zhì)、過摩、毛邊、刮傷、牛角缺料等。

Web：www.dongshengai.com

Tel：0512-68187631