Le deep learning pour les inspections complexes
Le deep learning combine l'auto-apprentissage d’un inspecteur humain avec la vitesse et la constance d'un système informatique
Qu'elle soit utilisée pour la localisation, la lecture, l'inspection ou la classification de caractéristiques d'intérêt, l'analyse d'images basée sur le deep learning diffère de la vision industrielle classique de par sa capacité à conceptualiser et généraliser l'aspect d'une pièce en fonction de ses caractéristiques distinctives, même lorsqu'elles varient subtilement ou divergent parfois.
- Téléchargez : Guide Le deep learning pour l'automatisation industrielle
- Demander une démonstration produit
L'analyse d'images basée sur le deep learning est particulièrement bien adaptée aux inspections esthétiques de surface complexes par nature. En effet, les motifs varient de façon subtile mais tolérable et les variations de position peuvent exclure l'utilisation de méthodes basées sur la fréquence spatiale. Le deep learning excelle dans la détection des défauts de surface complexes, tels que les rayures et les bosses sur les pièces qui sont pivotées, brossées ou brillantes.
La technologie de deep learning utilise des réseaux neuronaux qui imitent l'intelligence humaine afin de distinguer les anomalies esthétiques tout en tolérant les variations naturelles des motifs complexes. Le deep learning est avantageux par rapport aux approches de vision industrielle classiques, qui ont du mal à déterminer la variabilité et l'écart entre des pièces visuellement très semblables. Un logiciel basé sur le deep learning tel que Cognex Deep Learning peut désormais relever les défis de l'inspection basée sur le jugement plus efficacement qu'un inspecteur ou une solution de vision classique.
Contenu connexe
Pour plus d'informations sur les produits Cognex :
