商業(yè)競爭迫使制造商加快生產(chǎn)速度，降低成本，提高效率。但所有這些要求遲早都會遇到質(zhì)量控制問題——價格高達銷售收入的15-20%。同時，缺陷率可以達到50%，如果沒有過程自動化，這些挑戰(zhàn)是不可能解決的。

眾多科技公司都在開發(fā)人工智能工具，使缺陷檢測的準(zhǔn)確性和生產(chǎn)力超越人類的能力。雖然每個計算機視覺公司側(cè)重點不同，但人工智能驅(qū)動的質(zhì)量控制（QC）的承諾是明確的：利用圖像和物體識別將使你處于領(lǐng)先地位。

消除人為錯誤

采用行業(yè)特定類型的計算機視覺（所謂的機器視覺）有助于工廠改善質(zhì)量控制，同時從等式中消除人類感知的缺陷。

簡單地說，機器視覺是硬件端的相機和另一端處理“大腦”軟件的組合。再加上深度學(xué)習(xí)技術(shù)，視覺系統(tǒng)可以“學(xué)習(xí)”產(chǎn)品尺寸、螺栓孔及其位置和形狀等細微差別。為了訓(xùn)練一個系統(tǒng)來區(qū)分可接受和不可接受的質(zhì)量，您需要向它提供大量捕捉各種缺陷類型的圖像。

人類也能發(fā)現(xiàn)視覺缺陷。但這些任務(wù)——例如，在檢查瓶子的灌裝——是高度重復(fù)的。與人眼不同的是，自動光學(xué)檢測（AOI）不會失去其敏銳性，并且對濃度下降免疫。通過在生產(chǎn)過程的早期發(fā)現(xiàn)錯誤，您將在每個階段避免手動生產(chǎn)瓶頸。

降低質(zhì)量控制操作的成本

在你的工廠里為質(zhì)量控制線配備人力是昂貴的，而且有局限性，因為檢驗人員需要體面的工資和穩(wěn)定的工作時間來完成他們的工作。

另一方面，基于計算機視覺的質(zhì)量控制系統(tǒng)可以提供全天候一致的結(jié)果，而無需休息。機器的錯誤檢測率更高，而手工操作人員有處理和物理上的限制，這使得他們很容易漏掉一個缺陷或錯誤地識別一個缺陷。

也就是說，用計算機視覺驅(qū)動的軟件來增強你的線條是兩全其美。除了識別已知的缺陷之外，人工智能還可以根據(jù)先前的輸入發(fā)現(xiàn)以前從未見過和不可預(yù)測的缺陷。

加速質(zhì)量控制工作流程

由于基于AOI的解決方案是無偏見的，并且可以根據(jù)預(yù)編程算法對零件進行評估，因此無需進行耗時的雙重檢查。此外，您可以將該系統(tǒng)調(diào)整到特定的靈敏度水平，以跳過某些非關(guān)鍵性缺陷，而不必減少這部分或整個批次。這也將使您減少生產(chǎn)步驟之間的時間。

實施AI驅(qū)動的機器視覺還有另一個好處，適用于相關(guān)苛刻工作環(huán)境?；瘜W(xué)物質(zhì)和高噪聲等級對軟件和硬件而言并不危險，在對分工有危害的環(huán)境中，它們可以在沒有持續(xù)監(jiān)督的情況下發(fā)揮作用。

最后，檢驗軟件將能夠收集有關(guān)質(zhì)量控制的統(tǒng)計信息，使您能夠看到整個圖片并正確地評估檢驗性能。您將了解最常見的缺陷類型，并獲得準(zhǔn)確的假陽性率和假陰性率，以便將來進行改進。

識別不明顯的缺陷

對于那些缺陷可能致命的行業(yè)，如航空航天、汽車或醫(yī)療，基于計算機視覺的檢測超出了光譜可見部分的范圍，并且在紫外、x射線和紅外線下發(fā)揮作用。為了滿足相對苛刻要求和安全規(guī)定，需要比人眼高得多的光學(xué)分辨率。

盡管人類在區(qū)分異常方面仍然優(yōu)于機器，但深度學(xué)習(xí)技術(shù)提高了標(biāo)準(zhǔn)。也就是說，基于深度學(xué)習(xí)的解決方案可以識別表面缺陷——例如裂紋，斑塊，夾雜物和劃痕等——這些都是人工很難檢查的缺陷。

在機器學(xué)習(xí)分析的支持下，這樣的系統(tǒng)可以在幾天內(nèi)適應(yīng)新的可視數(shù)據(jù)集和場景。通過在深入學(xué)習(xí)模型上投入足夠的精力，您將能夠獲得意想不到的結(jié)果，例如發(fā)現(xiàn)您之前忽略的新類型缺陷，并將檢查成本降低高達66%。

縮小質(zhì)量差距

無論工業(yè)部門如何，AOI都有降低與生產(chǎn)各個階段相關(guān)的風(fēng)險和成本的潛力?，F(xiàn)在，對支持計算機視覺的質(zhì)量控制資產(chǎn)進行投資就意味著可以簡化問題解決方案。