活塞环检查

康耐视深度学习缺陷检测工具简化了带纹理金属表面上缺陷的自动化检测和表征

相关产品

In-Sight D900

采用 In-Sight ViDi 技术的深度学习式视觉软件

VisionPro Deep Learning

A breakthrough in complex inspection, part location, classification, and OCR

活塞压缩环在往复式发动机中有多种功能：密封燃烧室和调节油耗。由于活塞金属表面的反射性，压缩环上的缺陷非常难以检测。活塞的圆柱形状有时会渲染成模糊且未聚焦的图像。制造过程中，金属表面纹理会出现一些正常变化，其中一部分变化是允许通过检查的，这些变化包括锈斑、白色区域、甚至表面裂纹和缝隙。但是，影响活塞性能和缸内压缩水平的长划痕是真正的缺陷。检测系统必须能够接受压缩环表面的正常变化和微不足道的异常，同时识别出所有长划痕。

将这种复杂程度的检测编程为 基于规则的算法需要复杂的缺陷库。手工检测虽然更灵活，但速度太慢。Cognex Deep Learning 套件提供了一种有效的检测解决方案，将人工鉴别微小差异的能力与自动化系统可靠、一致和高速的识别优势相结合。工程师可以在监督模式下使用Cognex Deep Learning软件的缺陷检测工具，在一组具有代表性的已知“合格”和“不合格”压缩环图像上对基于深度学习的软件进行训练。技术人员对出现长划痕的已知“不良”图像和有正常差异和可接受缺陷（包括锈斑和小裂缝）的“好”图像进行注释。Cognex Deep Learning 可以根据这些图像学习活塞的自然形状和表面纹理，以及划痕的正常外观。为了反映其他样例并帮助优化系统，验证测试期间可以将更多图像添加到训练集中。训练阶段和验证阶段可以持续调整参数，直到训练的模型能正确地检测并分类所有长划痕图像。运行时，软件已经学会识别并忽略不相关的差异，将有长划痕的图像分类为缺陷。