随着时间的推移，我们经常被要求检查产品，确认其“良好”且无瑕疵或异物。对于传统的机器视觉工具来说，这始终是一个挑战。我们如何定义“好”和“坏”，标准是什么？我们如何检测出我们没有预料到的、以前没有见过的缺陷？

　　通过多种工具的组合，用户可以确保某个区域没有碎屑，或某个边缘干净，或确认另一个可量化指标，但这需要用户提前知道并定义合格/不合格的指标。

　　我们可以捕获一些“好”和“坏”的图像，然后将它们提供给机器视觉系统，而不是由组合视觉工具来定义离散的通过/失败指标。使用这些图像和一些以缺陷分类形式进行的初始监督，系统创建了一个神经网络模型，以用于未来的检查。

　　人工智能（AI）分析图像的概念并不新鲜。事实上，许多最大的技术公司为AI图像分析和其他AI产品提供商业解决方案。它们可以利用自己在云端的计算能力来创建复杂的神经网络算法，这些算法可以被工厂的边缘设备利用。这项技术的应用范围远远超出了制造业，但随着工业4.0的兴起，科技巨头正开发专门针对制造业的应用。

　　另一个复杂的应用，是生产线上按需打印的光学字符验证检查。该应用通常是制造商用于确认打印清晰准确的代码日期。按需打印系统的质量会有所不同，而且不同的打印字体并不总是一致的，这对机器视觉系统来说是一个挑战。

　　尤其是当印刷在产品背景不断变化的透明表面上时，将更具挑战性，因为这会在字符轮廓处产生对比度问题。在AI摄像头的帮助下，神经网络模型现在可以更好地区分字符和背景。

以上就是南京远程IO厂家德克威尔为您带来的精彩内容，更多详情欢迎前往南京德克威尔官网！