VisionBank工业视觉软件-工业视觉检测大脑

来源:优游ub8     发布日期:2024-11-06 01:43:35

  机器视觉通过长期的开展,技能不断获得重大突破并被广泛运用,当时已遍及工业出产的各个环节。并且机器视觉易于完结自动化集成,软件集成,是完结智能制作的根底技能。据统计,我国的机器视觉商场需求近几年处于继续高速增加阶段,年复合增加率保持在23%。到2021年,国内机器视觉商场规模达163.8亿元。

  现在,机器视觉在工业范畴的运用首要包括定位、丈量、辨认、检测等方向。跟着制作业智能制作转型脚步加速,工业视觉在各个方向上的运用都面临着精度、速度与精确率要求越来越高的应战。这其间的部分问题跟着硬件水平的进步得到了有用的处理,比方收集硬件的分辨率、传输带宽、运算功率方面,可是也有一部分问题,需求长周期的实践和迭代晋级才有或许处理,其中心要害点在于深度学习技能的开展与运用。深度学习技能会使工业视觉的运用鸿沟得到极大地拓宽,由本来只能在产品标准化、一致性极高的场景,变成简直能够替代人眼进行恣意场景下的视觉检测运用,并且不止是工业出产方面,在农业、民用等范畴也能够获得杰出的运用作用。

  传统算法的施行功率高、耗费的算力和功耗少,这是深度学习无法比拟的优势。但针对一些代表性的场景如特征显着但存在异物搅扰的状况,运用传统算法仅有的问题是会构成必定程度的过杀,而深度学习能够处理这些传统算法无法处理的杂乱场景问题。因而,从项目施行的杂乱性和本钱视点考虑,传统算法和深度学习相结合是应该优先考虑的计划。

  多年的研制和一线实践,维视智造团队深谙传统算法与深度学习优势与鸿沟,因而创始性地将传统算法交融深度学习,推出了面向工业4.0年代,加载深度学习技能的通用智能视觉开发渠道VisionBank AI。最新版别简直能够完结任何职业界任何场景下的图画处理使命。并且根据英特尔OpenVINO的硬件加速,可协助制作业用户快速构建自己的深度学习处理计划,在简化开发流程、进步检测精确性的一起,能够有用为用户节约布置本钱。

  VisionBank AI具有四大中心优势:运用简略、安稳高效、深化场景与快速迭代。

  一,运用简略。VisionBank AI的操作界面明晰易懂,模块化、0代码、智能化、迁延拽式的开发形式,操作简略,视觉运用建立功率更高;

  二,安稳高效。结构安稳、运转高效,VisionBank AI根据15年的研制和商场实践,已构成高度安稳的体系架构和成熟的模块化算法结构,软件安稳性更强。一起流程与流程间、模块与模块间均支撑并行运算,IO、PLC协议、图画存储等功用悉数内置,可快速适配机器视觉其他软硬件布置;

  三,深化场景。维视智造具有20年的一线经历堆集,进入不计其数的视觉检测场景,构成VisionBank AI厚实全面的才能基因。针对细分场景,则开发了很多专用算法模块,如绷簧检测、齿轮检测、管材检测、扇贝定位等;

  四,快速迭代。跟着新算法、新技能和立异运用的不断开展,VisionBank AI项目开发架构及体系架构可高效完结晋级迭代,然后掩盖更广的场景问题。

  VisionBank AI为补齐传统算法盲区,要点开发了3类深度学习专用东西:“特征智能切割”、“特征智能分类”和“智能定位”。这三大东西将有用处理在机器视觉检测中,产品缺点特征难辨认、特征切割不安稳以及爱好目标难以安安稳位的问题,为制作业更杂乱的出产场景和更精细化的检测需求带来有用的处理计划。

  一,对渠道算力要求下降,精简项目本钱。VisionBank AI在线推理的神经网络模型均根据OpenVINO进行了模型优化,优化后的模型,对算力渠道的要求最高可下降16倍(不同类型的模型优化成果有差异)。使得VisionBank AI的在线推理可悉数根据CPU完结,下降GPU运用需求,然后优化企业的本钱操控。

  优化后的神经网络模型检测“焊靶”缺点,处理时刻仅需24ms(根据CPU推理)

  二,练习数据量下降100倍。立异的深度学习模块和传统缺点检测算法深度交融,能够运用传统算法“过检”后的“图画块”来练习“缺点过滤神经网络模型”,在运用对立练习的精确性优势下,有用处理了“负样本”图画数据获取问题。

  三,新一代特征匹配算法,提速11倍。最新开发的第四代“特征匹配算法”相对于第一代算法,匹配速度提升了11倍,支撑以下反常特征匹配:特征被部分遮挡、特征巨细有缩放、特征歪曲变形以及特征显现不全等。

  四,最新晋级的架构模块,最多支撑16台相机一起并行检测。一台处理器能够当16台处理器运用,在多相机协同作业场景,完结了有用的本钱优化。

  VisionBank AI搭载高性能视觉产品,已在多个杂乱场景中落地运用,为数千客户处理了多个工业检测难题:

  在光伏职业“引线焊接质量检测”项目中,检测的特征随机多样、搅扰要素冗杂,维视智造运用VisionBank AI,布置了“传统算法+深度学习+深度学习”的三嵌套计划,最终使检测速度提升至2秒1板,并在“0漏检”的前提下,使“误检率”低至0.01%。

  3C电子职业常见的手机后盖缺点检测,检测产品缺点不同特征之间形状差异大、部分缺点不显着,打光难度大,但客户往往对检测精准度、速度要求高。运用VisionBank AI特有的缺点检测功用,即可将品种繁复、特征各异的缺点完结高效辨认,精确辨认率大于99.99%。

  轿车职业的轿车变速器料盒在线检测场景,一般运用机器视觉检测来料盘上的物料是否有漏放、错放、掉件等,其产品尺度大、检测细节多、搅扰多,绷簧距离不容易判别,以往的人工检测“误检”和“漏检”率高。VisionBank AI的绷簧状况检测专用算法模块,运用特有的特征提取算法,可极大进步检测速度和精确率,使辨认精确率高于99.9%。

  除上述实践案破例,VisionBank AI也已在锂电、轿车、半导体、 医疗与食物、教育等职业成功落地运用,为各职业的智能化晋级,降本增效供给助力。

上一篇:施耐德电气:AI 工业运用的规划化从视觉检测做起

下一篇:总述|工业金属平面资料外表缺点主动视觉检测的研讨进展