|
汽车制造空调散热器缺陷检测应用案例汽车空调散热器表面因为工艺、搬运等原因导致缺陷的产生，使用人工检测方式，效率低下且易误判。现采用深度学习的方案替代人工。
一、需求描述： 1、空调完成生产搬运后会产生缺陷，需要对脏污、磕伤、错位、压痕等缺陷进行检测 2、改变人工检测效率低、准确率低的现状 二、技术要求： 1、要求检出不同的缺陷类别，并进行缺陷的分类。 2、检出率要求99.95%以上，误检率控制在1%以下。 3、兼容不同的产品类型。 方案架构 考虑产品形态和现场的机构，方案选择MV-CL020-40GM 2K线阵相机进行采图，配合高亮线阵光源，凸显产品检测特征。
方案优势 1、利用深度学习算法进行缺陷的检测和缺陷类别的判断，通过缺陷的收集和模型迭代，综合识别率达到99%以上，过检控制在2%以下。 2、对缺陷进行类别判断，反向推动客户工艺的改善和提升。
|
