novtec 機器視覺解決方案 諾威特帶你見證奇跡
參考價 | ¥ 1000 |
訂貨量 | ≥1 |
- 公司名稱 蘇州諾威特測控科技有限公司
- 品牌
- 型號 novtec
- 產(chǎn)地 蘇州
- 廠商性質 代理商
- 更新時間 2018/7/20 15:31:39
- 訪問次數(shù) 482
聯(lián)系我們時請說明是化工儀器網(wǎng)上看到的信息,謝謝!
鋁塑膜檢測 機器視覺解決方案
諾威特簡介
諾威特(NOVTEC) 成立于2003年,總部位于江蘇蘇州,是專業(yè)從事測試解決方案的高科技企業(yè),為企業(yè)和研
究機 構提供大量的測試儀器設備解決方案。使用人工智能Artificial intelligence(Ai)深度學習對
復雜多變的產(chǎn)品外觀缺陷 進行有效識別和判斷,內建的深度學習建立多層神經(jīng)網(wǎng)絡,特殊的圖像處理方式和
復雜的算法,使EL缺陷的漏判率可以達 到“零”,解決了多年來人工判別的漏檢和錯檢問題,并提供機器視
覺解決方案,其極快的判斷速度和高準確性滿足在線檢測的需求,為新能源行業(yè) 的“工業(yè)4.0”和“中國制
造2025”提供了可靠的技術保障。
機器視覺解決方案 深度學習
通過算法,使得機器能從大量歷史數(shù)據(jù)中學習規(guī)律,從而對新的樣本做智能識別,深度學習是機器學習中一
種基于對 數(shù)據(jù)進行特征學習的方法。觀測值(例如一幅圖像)可以使用多種方式來表示,如每個像章強度值
的向量,或者更抽象地 表示成一系列邊、特定形狀的區(qū)域等。而使用某些特定的表示方法更容易從實例中學
習任務(例如,缺陷類型)。
例如,使用人工智能方法能有效的進行光伏電池、組件產(chǎn)品的EL缺陷檢測,能快速準確的找出缺陷的位置,
并進行標 注,較傳統(tǒng)的使用圖片灰度掃描方法進行判斷,特別是多晶硅組件電池的EL圖片干擾因章復雜,具
有的技術優(yōu)勢;我 們提供的檢測EL的方案使用的是神經(jīng)網(wǎng)絡技術,通過定義單多晶硅組件缺陷產(chǎn)品圖片
的缺陷類型,軟件系統(tǒng)會進行缺陷特 征的自學習和深度學習,建立多層網(wǎng)絡,從而找出EL圖片的缺陷部分。
缺陷檢測以高精確度與高處理速度為基礎
更好的服務于有自動化需求的制造業(yè)工廠
簡便快速生成深度學習模型,無需算法優(yōu)化作業(yè)
諾威特是在PCB、光伏、顯示屏、電子產(chǎn)品、新能源電池等多種領域使用的以深度學習為基礎的機器視覺檢測
軟件。現(xiàn)在也在現(xiàn)場以多樣的數(shù)據(jù)為基 礎進行學習不測試,不斷實現(xiàn)性能的提升。從標簽工具到結果輸出,
以驗觀的圖片結果為基礎為用戶提供用戶體驗以及便利性。已在復雜的生產(chǎn)線 上提供數(shù)據(jù)采檢、缺陷檢測服
務。
各個缺陷類型需要學習幾張圖像數(shù)據(jù)?
需學習圖像數(shù)量根據(jù)圖像的復雜程度會有所不同,但在初期不同的瑕疵類型提供30-100張左右即可。
神經(jīng)網(wǎng)絡模型建立所需要的時間有多長?
一般2048*2048像章大小,1000張為標準的話,需要30分鐘左右。
在實際的生產(chǎn)線上處理圖像的速度能達到什么程度?
根據(jù)神經(jīng)網(wǎng)絡條件會有所不同,但在2048*2048像章大小的圖像,每秒鐘可實時處理50張。
部分案例
鋁塑膜檢測
加裝于:復合、分切工段
可檢測缺陷類型
劃痕、氣泡、魚眼、漏涂、異物、凸點、魚鱗紋、繡印、暗紋、皮膚紋、鋁塑膜檢測
機器視覺解決方案
諾威特的深度學習解決方案和傳統(tǒng)機器視覺檢測的不同點
傳統(tǒng)機器視覺解決方案:
無法分析無規(guī)律圖像;當圖像不規(guī)則、無規(guī)律時,缺陷的特征很難通過 手動設定,因此無法分析圖像。精確
度低,如果缺陷部分和之前設定好的缺陷特征有輕微的 出入,傳統(tǒng)視覺都無法檢測出這樣的缺陷,導致檢測
的精準度下降。實現(xiàn)自動化檢測進入壁壘高;生產(chǎn)環(huán)境發(fā)生變化時,需要特定的工程師進行優(yōu)化作業(yè)并且手
動設定不斷變化的缺陷特征。
諾威特深度學習解決方案:
即使圖像復雜,通過深度學習算法,軟件可以自動 學習瑕疵的特征,使得無規(guī)律圖像的分析變得可能。
精確度高;通過深度學習算法和制造業(yè)*的數(shù)據(jù)提高檢測的精準度。
新增功能
通過圖像對比,降低優(yōu)化的費用
為了實現(xiàn)優(yōu)化檢測,根據(jù)不同產(chǎn)品/缺陷的特性,可選擇四種神經(jīng)網(wǎng)絡進行訓練。
利用可視標簽(Visual Labeler)減少標記時間
利用可視化調試器(Visual Debugger)提高檢測分析的效率
利用批處理(Batch Processing)使圖像處理速度
如何使用:
上傳照片
圖片分類
標記
形成模型
測試
輸出模型
機器視覺解決方案優(yōu)勢:
諾威特解決方案是您的選擇
使用針對制造業(yè)的*算法,確保檢測的精準度
自主開發(fā)的算法使處理速度達到
專業(yè)的深度學習解決方案研發(fā)團隊為您量身打造解決方案
自主開發(fā)的算法使處理速度達到