自动缺陷检测与分类系统（ADC） 鲲鹏
共 1363字，需浏览 3分钟
·
2020-11-10 20:21
商品详情
商品亮点
- 不间断，不疲劳；
- 速度快，平均1秒至少可判5张以上；
- 准确率及稳定性远高于人员；
- 实时监控各不良状况，可进行Alarm；
- 一键不良统计，助力不良分析。
商品说明
| 版本: V1.0 | 交付方式: 解决方案 |
| 适用于: Windows/Linux | 上架日期: 2020-09-18 |
数之联自动缺陷检测与分类系统基于机器视觉和图像识别等AI算法技术，提供AI自动缺陷检测和分类判图服务，旨在解决工厂人工作业判图结果不稳定，效率低，人工成本高等问题。
核心功能：
采用机器视觉检测技术，利用CCD工业相机模拟人眼对表面外观进行缺陷检出和尺寸测量；通过对图像的抓取，参数的分析，数据的对比，准确对被检测部件的瑕疵点进行定位；通过系统触发检测报警、界面呈现和反馈动作，同时生成详细检测报告。主要系统核心业务如下：
1. 缺陷检出：系统自动对AOI等生产检测设备生成的图像进行缺陷检测，根据模型学习训练标准对缺陷类型CODE进行判决，并标注缺陷的位置、大小等信息，辅助人工复判，系统检测出的每个缺陷都可以声音和灯闪的形式提示，可以输出一个信号给检验机用于停机。
2. 缺陷分类：基于深度视觉处理引擎，突破传统图像处理技术的瓶颈，提供高精准的缺陷分类结果，即时显示缺陷，标注缺陷的类别等信息。
3. 缺陷判定：系统依据客户生产业务规则，对缺陷后道输出规则进行处理并输出最终类型判定结果，动态显示缺陷map并用不同颜色区别类型，可以回放和查询历史记录和报表。
4. 数据交互：ADC系统通过直连、DBLink、Tibco RV等通信连接方式与生产作业环境中DFS、EDA、MES等各个系统交互对接，获取ADC需要的数据源及回传判图结果。
核心功能：
采用机器视觉检测技术，利用CCD工业相机模拟人眼对表面外观进行缺陷检出和尺寸测量；通过对图像的抓取，参数的分析，数据的对比，准确对被检测部件的瑕疵点进行定位；通过系统触发检测报警、界面呈现和反馈动作，同时生成详细检测报告。主要系统核心业务如下：
1. 缺陷检出：系统自动对AOI等生产检测设备生成的图像进行缺陷检测，根据模型学习训练标准对缺陷类型CODE进行判决，并标注缺陷的位置、大小等信息，辅助人工复判，系统检测出的每个缺陷都可以声音和灯闪的形式提示，可以输出一个信号给检验机用于停机。
2. 缺陷分类：基于深度视觉处理引擎，突破传统图像处理技术的瓶颈，提供高精准的缺陷分类结果，即时显示缺陷，标注缺陷的类别等信息。
3. 缺陷判定：系统依据客户生产业务规则，对缺陷后道输出规则进行处理并输出最终类型判定结果，动态显示缺陷map并用不同颜色区别类型，可以回放和查询历史记录和报表。
4. 数据交互：ADC系统通过直连、DBLink、Tibco RV等通信连接方式与生产作业环境中DFS、EDA、MES等各个系统交互对接，获取ADC需要的数据源及回传判图结果。
用户案例
T社
3D Cover Glass表面缺陷检测 某面板厂模组工厂在来料3D Cover Glass外观检测过程中，通过光学设备进行图像采集后依靠人力目视全检，检出效率低，检出准确率低。 通过对光学器件厂商提供的图片进行预处理、缺陷定位、分类、判定以及结果输出，将检测分类结果推送至物流系统并分发至不同Port进行后续处理，提升检测效率同时保证了后续制程的正常进行。 检测效果： 不良检出率：≥98% 过检率：≤2% 检出时长：4s/张(图片大小＞80M)
C社
布匹检测 布匹生产工艺 1，有翻布、前处理、染色、后处理四个主要环节； 2，前处理又有以下环节：拉毛、剪毛、烫布、上柔、定型烘干 3，后处理根据订单不同可能也有以上环节的部分； 整个过程涉及 色差、褶皱、破损、结头、异物嵌入等织物各类缺陷，人工检测根本难以覆盖 缺陷种类： 色差、褶皱、破损、结头、异物嵌入等织物各类缺陷 检测准确率95%以上。 可生产缺陷报表分析，软件功能定制化。
M社
PCB焊后检测 电子元器件微组装工艺过程中，需要通过AOI设备拍照的方式完成对焊接质量的检测，但需要投入大量人员对图片进行目视检测，同时不同人员的技术水平不一致导致缺陷识别不准确，检测效率低下。 通过图片缺陷检测分类系统，利用机器学习方法，建立图像自动识别模型，对PCB生产过程中所产生的立碑、焊迹残留、偏移等主要缺陷的自动识别。 检测效果： 分类精确度：98%
评论