SICK 2D Deep learning 应用介绍

在包含传统2D图像分析、结果输出和通信工具的前提下，Nova 2D 视觉额外增加了Ai分类+Ai异常检测工具；相机内部支持100张图像样本训练，深度学习的训练过程可直接在相机内部完成，无需外接工控机。

● Ai异常检测训练实现无监督学习，无需标注NG样本，仅需良好图片即可实现异常检测。

● 智能相机中汇集了深度学习技术所有流程，包括：图像采集、标注、训练、评估以及识别。

● 训练时长短，平均2min内实现模型训练。

● 操作便捷，流程简单，即使是无图像处理经验的工程师也能轻松上手。

► 应用描述：木材翻转机，需要确认木板方向。

► 客户需求：自动对木板进行分类（基于年轮结构），以便快速在加工机器前保证木板的排列。

► 客户痛点：传统视觉无法按照标准进行完全分类；人眼识别，效率低，无法保证准确率。

►SICK解决方案及优势：

●InspectorP621+Intelligent Inspection Upgrade License+ dStudio token。

● 基于深度学习的分类工具用来训练不同方向的木材，可以快速根据上下环不同来分辨种类 ，提升了速度节拍。

● 在基于云的训练服务dStudio中训练的深度学习神经网络，操作简单便捷，降低错误率。

► 应用描述：在洗瓶机进料区 区分为新玻璃瓶和旧玻璃瓶。

► 客户需求：区分新瓶与旧瓶以控制分流清洗；避免了机器重新启动导致的额外水消耗。

► 客户痛点：人工操作非常慢，回流瓶的吞吐量不够；机器用水消耗大。

►SICK解决方案及优势：

●InspectorP621+Intelligent Inspection Upgrade License+ dStudio token。

● 减少了人工干预，提高了洗瓶机的吞吐量。

● 控制了机器用水量，提高产能效率。

► 应用描述：奶粉罐白色勺子的漏检/标签的完整性检测。

► 客户需求：准确快速的检验出装配是否一致；不同位置和背景下检测出是否配置好勺子。

► 客户痛点：检测物背景复杂不一致，传统视觉误判率高。

►SICK解决方案及优势：

●InspectorP621+Intelligent Inspection Upgrade License

● 基于深度学习的异常检测工具，通过学习OK样本进行训练，在相机中直接完成训练并输出结果。

● 加快了生产速度节拍，提高了生产效率的质量和效益，有效避免了人工的出错误率。