Neuronové sítě
Strojové vidění v kombinaci s neuronovými sítěmi a umělou inteligencí dokáže řešit dříve neřešitelné problémy. Naše kamerové systémy obohacené o neuronové sítě pro nejnáročnější aplikace přemýšlí v principu jako člověk, ovšem kvalitu výrobků vyhodnocují s extrémní rychlostí, přesností a neúnavností stroje.
Řídící systém pro vyhodnocení kvality daného výrobku se trénuje podobně jako když zaškolujete nového zaměstnance. Systém strojového vidění se naučí co je považováno za vadu, či defekt výrobku, jaké barvy či tvary tato vada může mít na základě předložených vzorků výrobků, které jsou kvalitní i nekvalitní a poté tyto vady dokáže spolehlivě detekovat na nejrůznějších místech produktu. Systém u každého produktu vyhodnotí velikost, polohu a typ defektu. Poté na základě Vámi stanovených tolerancí bude rozhodnuto, zda je daný produkt kvalitní, či nekvalitní.
Neuronové sítě se nejčastěji používají pro:
- detekci nepředvídatelné vady povrchu – koroze, škrábance, suky a různé vady kovů, skla, dřeva a jiných materiálů
- rozlišení téměř identických dílů, či tvarů a kontrolu správné orientace snadno zaměnitelných dílů.
- kontrolu jakékoliv odchylky od správného stavu dílů – systém se naučí vzhled správného výrobku a automaticky rozpozná i drobné odchylky od vzorového kusu.
Detekce povrchových vad dřeva
Neuronové sítě a uměla inteligence jsou naprosto perfektní nástroj pro kontrolu kvality povrchu dřeva, kde lze kontrolovat například přítomnost suků, zabarvení, odštípnutí, či jakékoliv další vady.
Na obrázku níže můžete vidět ukázku lokalizace suků a jiných tmavých míst na dřevěných prknech. V následujících krocích kontroly kvality by došlo k vyhodnocení polohy a velikosti vad a na základě těchto parametrů k roztřídění do tříd kvality dle Vámi nastavených tolerancí.
Detekce povrchových škrábanců na kovu
Další ukázkou kontroly kvality nepředvídatelných vad povrchu je detekce škrábanců na povrchu ocelového plechu, která je vidět na obrázku níže. Po kompletní lokalizaci opět dochází k vyhodnocení polohy a rozsahu velikosti vad a třídění do tříd kvality dle Vámi nastavených tolerancí.
