將依賴于熟練工感性和經(jīng)驗的“官能檢測”自動化。憑借AI技術(shù)再現(xiàn)檢測方法。

【課題】依賴于熟練工的經(jīng)驗

在官能檢測中，允許良品狀態(tài)有差異。
由于良品狀態(tài)的判斷標準依賴于熟練工的知識，因此很難用以往的FA圖像處理系統(tǒng)對其進行定義，并且需要不斷進行設置調(diào)整工作，這成為自動化的難題。

“AI準確匹配”通過學習良品狀態(tài)的圖像數(shù)據(jù)，在短時間獲得檢測人員在多年實踐中積累的“檢測技術(shù)和知識”。除了能夠再現(xiàn)熟練工的檢測能力外，自動化還能降低成本、提高生產(chǎn)效率。

學習存在差異的良品圖像，將脫離學習范圍的特征抽取為缺陷。

AI準確匹配是一種缺陷抽取處理，僅將“良品中沒有的特征”檢測為不良部位。
通過學習存在差異的良品圖像，創(chuàng)建AI模型。作為良品還原模型，AI每次檢測都會創(chuàng)建“推測為良品的模型”。
然后只將拍攝圖像與良品還原圖像的差異抽取為缺陷，有效減少過檢。

可使用記載有AI掌握技巧的設定畫面，通過3個步驟完成設定。
AI會建議一個良品學習過程，以便可以使用較少的圖像張數(shù)進行設定。

將依賴于人感性的“官能檢測”自動化。憑借AI技術(shù)再現(xiàn)劃痕的目視檢測方法。

【課題】對人感性的依賴

缺陷的檢測依靠人的感性，難以定義，成為自動化的難題。

*1. 使用AI劃痕抽取過濾時，需要使用另售的“劃痕抽取AI軟件安裝程序（FH-UMAI1）”。

一種圖像處理過濾器，預先學習了“人感覺是劃痕的圖像的特征”。即使沒有定義劃痕，例如用傳統(tǒng)方法很難自動化的“不可預測的尺寸、形狀、顏色”等，AI也能判斷并抽取劃痕的特征。
學習數(shù)據(jù)包括歐姆龍迄今為止積累的圖像，可以檢測不確定背景中的缺陷，例如加工面上的缺陷，這是傳統(tǒng)方法難以實現(xiàn)的。