筐体外観検査

デバイス筐体の重要でない異常やばらつきを考慮しながら、傷などの特定の欠陥を検索

関連製品

VisionPro Deep Learning

ディープラーニング採用の工業用画像解析向けグラフィカルプログラミング環境

In-Sight D900

ディープラーニング採用 In-Sight ViDi 画像処理ソフトウェア搭載

部品のコンポーネント、パッケージング、ハウジングが異なると、外観検査は困難な場合があります。傷やへこみなど、外観的な欠陥は機能には影響しなくても、完成品としての品質や顧客満足度に影響を及ぼします。外観的な欠陥は、リジェクトの対象となる場合もあれば、容認される場合もあります。このため、メーカーは検査システムをトレーニングして特定の欠陥を探し、小さな傷と区別する必要があります。こうした複雑な作業をルールベースのアルゴリズムにプログラミングするには、複雑な欠陥ライブラリが必要です。検査官による検査は、柔軟性が高いものの、時間がかかり、不確かで一貫性がありません。

欠陥検出ツールを教師ありモードで使用することにより、エンジニアは、Cognex Deep Learning に傷などの特定の欠陥を探し、重要でない異常やばらつきは許容するよう学ばせることができます。このツールは、コントラストが低い画像やキャプチャが不十分な画像でも動作するように最適化されています。例えば、右の画像は、欠陥検出ツールがイヤーパッドのOK画像とNG画像を区別している様子を示しています。ソフトウェアは些細な外観の傷を認識しても無視するよう学習しているため、実行時は、深刻な傷のある画像を欠陥ありと判断します。