可透過彩色圖像與深度學習進行的 5 項檢測

D900 Color imaging banner

接近 30% 的 VisionPro Deep Learning 應用 ,康耐視基於個人電腦的深度學習檢測軟體 都需要彩色圖像。這是因為對於許多裝配驗證與缺陷探測應用而言,色彩是重要的區分特徵。

當我們在 2020 年春季推出 In-Sight D900 時,便知其是同類首創產品:直接嵌入深度學習技術的 In-Sight 智慧相機。光是與客戶對談並認真看待其意見回饋,我們也瞭解到還有許多方式可讓產品更加出色。

In-Sight D900 的初始機型只能生產單色圖像,而 In-Sight D900 彩色機型則為康耐視的使命提供助力,擴大現可在生產線內自動化的檢測範圍與幅度。

以下說明五項可行的檢測,以及為何彩色圖像是檢測的重要一環。

外來微粒探測

輸送帶上的外來微粒檢測

想像一間花生包裝工廠。一條蜂蜜鹽烤花生的輸送帶正在進行檢測,確定花生符合公司標準,可當成在週日午後觀賞美式足球賽時的點心。工廠絕不希望有外來微粒通過檢測階段,成為漏網之魚,如果檢測人員的手套在檢測期間破損,就可能發生這種情況。使用單色圖像視覺系統,幾乎不可能在一堆花生當中發現一小片的紫色乳膠手套。

裝配成套驗證

裝配成套檢測需要考量外形類似但色彩不同的產品

組裝的套組很可能包含外觀類似但事實上完全不同的物件,例如,內含注射器、繃帶及其他用品的醫療包。如果醫療包內含有如流感疫苗、腎上腺素等不同的藥品,注射器本身會以色彩標示,指出彼此間的差異。單色視覺系統會將這些關鍵差異全都視為相同。只有彩色圖像,才有助於進一步確保套組內會正確包含外觀類似但不同的組件。

後方停車輔助感測器檢測

使用 D900 彩色機型進行 RPA 色彩識別

現今大部分汽車的標準配備都隨附相機,協助駕駛停車或倒車。這些相機的運作方式為在保險桿嵌入感測器,而製造廠商必須確保那些感測器的色彩和保險桿完全一模一樣。許多汽車製造廠商有 25 種以上的不同感測器色彩,包括相同感測器色彩的不同色度。這類檢測難以進行的原因眾多,但其肯定需要深度學習與彩色圖像。

白瓶上的白色檢測

在消費性包裝商品檢測期間,檢測白底上的白色

無論在消費性包裝商品業或在食品業與飲料業,有時候製造廠商必須檢測的液體產品可能會與填裝液體的瓶身同色。不使用彩色圖像,液體會與容器融合為一體,檢測系統可能無法得知發生溢漏的情況。

冷凍披薩

在冷凍披薩上尋找多餘的異物

人人都愛吃披薩。即使是冷凍披薩也不例外。特別是美式臘腸披薩。但不是每個人都喜歡看到蘑菇散置在他們的美式臘腸披薩上面。在輸送帶上檢測各種不同的冷凍披薩時,黑白圖像難以判斷加上的配料是否正確,特別是想要判斷是否有多餘的配料意外加到錯誤的披薩上。因此,務必要使用彩色圖像,冷凍披薩檢測人員才能確定美式臘腸披薩真的只有美式臘腸,而沒有紅甜椒、洋蔥、義式臘腸或任何其他多餘的配料。

當然,結合彩色圖像與深度學習可為檢測帶來的種種優點,這裡所述只是冰山一角。如果您想要深入瞭解如何開始使用深度學習專案,請參閱下面的電子書。

其他文章

取得產品支援與訓練等等

加入 MyCognex