从人工到智能,考拉悠然让工业视觉检测更精准

从人工到智能,考拉悠然让工业视觉检测更精准

引言:成都双子塔璀璨光影背后的智能革新

当夜幕降临,成都市区的双子塔在 LED 灯光的照耀下熠熠生辉,成为夜空中最璀璨的明星。这些灯光不仅美化了城市,也象征着技术的进步与应用。但是,你是否想过,这些精致的 LED 灯在点亮的一瞬间能够完美无瑕,背后需要经历多少严格的检测工序?

从人工到智能,考拉悠然让工业视觉检测更精准

今天,我们要讲述的故事是关于人工智能如何革新工业检测技术,让即使是新手也能成为工业视觉检测的专家。

01 传统目视检测的困境

在一个典型的电子产品制造厂里,检测员小王每天需要对成千上万的产品进行目视检查。作为一名经验丰富的检测员,他深知每一个微小的缺陷都可能影响到产品的最终质量。然而,即便是最细心的人工检测,也难以避免漏检和误检。随着工作时间的增加,小王的注意力不可避免地会下降,导致一些细微的缺陷被忽略。同时,人工检测的效率低下,限制了生产线的速度。

从人工到智能,考拉悠然让工业视觉检测更精准

目前,传统的目视检测已经显得力不从心。高昂的人工成本和不可避免的主观误差,成为制约制造企业提高质量和效率的瓶颈。许多制造企业面临同样的问题。人工目检不仅耗时耗力,还受限于检验人员的经验和注意力。依靠人眼分辨产品缺陷的传统方法,已经不能满足日益严苛的检测需求。

此外,人工检测存在主观性、新旧人员熟练度差异、效率低、成本高等问题,难以满足现代工业对高精度和高效率的要求。因此,智能检测技术应运而生,成为解决这一问题的关键。

02 AI 检测的概念与应用,谁才是真正的王者?

随着深度学习技术的快速发展,工业领域的缺陷检测迎来了新的曙光。通过数据标注和模型训练,AI 技术似乎能够解决过去难以克服的检测难题。然而,几乎所有公司都急于给自己贴上 ” 人工智能 ” 的概念,结果市场上充斥着各种解决方案,但往往效用不佳。

确实,有一些 AI 研究人员深入工业领域,致力于将 AI 技术真正应用到实践中。但在工业检测领域,单纯依赖深度学习和图像处理知识是远远不够的。成功的 AI 检测方案需要综合多方面的知识和技能。

从人工到智能,考拉悠然让工业视觉检测更精准

我们发现,制造企业仍然难以找到合适的合作伙伴来帮助解决缺陷检测问题,实现检测自动化。许多方案在实际应用中难以达到预期效果,导致企业在提升质量和效率的道路上步履艰难。

03 AI 检测新高度:从 ” 填鸭式 ” 到 ” 举一反三 ”

传统 AI 算法通常需要大量数据来驱动,类似于 ” 填鸭式 ” 教育下的学生,需要通过大量训练才能得出结果。考拉悠然的技术团队深入研究了工业检测的痛点,开发出了一种不需要大量样本的 ” 主动学习 AI 算法 “。

这种算法能够在少量数据的情况下,迅速达到高准确性的检测水平。它更像一个能举一反三的专家,通过先进的学习机制,即便数据有限,也能保证高准确性的缺陷检测,显著降低漏检率,并缩短算法训练时间。

从人工到智能,考拉悠然让工业视觉检测更精准

我们分享一个实际案例。在长三角地区某支架客户的项目中,竞争对手比我们更早到达现场进行验证。然而,由于他们采用的是传统 AI 算法,需要大量样本进行训练,因此他们在准备阶段浪费了大量时间。两个月后,考拉悠然才开始验证,但我们自研的 ” 主动学习 AI 算法 ” 能够基于少量 OK 样本进行学习,无需大量样本注册。

结果,考拉悠然仅用短短一个月就实现了检测,漏检率 ≤0.1%,过检率 ≤3%。这样的速度和效率显然让客户非常满意。

与传统 AI 算法相比,考拉悠然的解决方案仅需少量的 OK 样本,便能快速高效地进行缺陷检测,显著提高了导入效率,同时通过检测过程中的缺陷样本训练实现了高准确性。这也是为什么越来越多的企业选择考拉悠然,携手迈向智能检测的新高度。

04 缺陷定义的主权:客户说了算

在半导体生产过程中,可能会出现多种多样的缺陷。考拉悠然为客户提供了一种便捷的缺陷定义能力。通过考拉悠然的缺陷注册方法,客户只需在图像上选择对应的缺陷类别,系统便会自动提取此类缺陷的特征,并将同类型的缺陷归类到一起,从而实现缺陷的快速注册和分类。这种方法真正实现了缺陷定义的客户自定义,而且操作简便、快捷。

主动学习 AI 算法:华中封装客户的首次体验

从人工到智能,考拉悠然让工业视觉检测更精准

在山西某封装客户的检测项目测试过程中,客户面临着种类繁多的缺陷。然而,市面上使用的传统计算机视觉(CV)算法仅能对形态差异较大的 5-7 种缺陷进行分类,这无法满足快速自定义的需求,对缺陷的统计和分析因此变得非常不便。

为了改善产品缺陷分析并提高效率,该客户开始验证考拉悠然的检测解决方案。考拉悠然的 ” 主动学习 AI 算法 ” 能够通过对检出的缺陷进行特征学习,实现准确分类,不受缺陷类别数量的限制。只要学习到缺陷的特征,就能进行精确分类。

这种缺陷注册方法通过一个简单易操作的软件界面实现,客户可以轻松实现自定义缺陷分类。通过使用考拉悠然的解决方案,该客户已完成了超过 20 种缺陷的注册,缺陷分类准确率高达 99%。

05 考拉悠然——半导体制造及封装测试领域视觉检测设备的智胜之选

作为一家 AI 原生技术公司,考拉悠然拥有 200 多项知识产权和 90 多项发明专利。让我们通过一系列工业检测案例,了解考拉悠然如何通过 AI 技术赋能工业检测,助力中国高端制造业的蓬勃发展。

珠三角某支架工厂的蜕变

从人工到智能,考拉悠然让工业视觉检测更精准

东莞某支架封装工厂一直依赖人工检测,但人工检测的准确性难以保证,面临出货产品在客户端出现漏检的品质风险。为了提高产品品质,工厂决定引入 AOI(自动光学检测)设备,并开始评估各种解决方案。

在最初的检讨过程中,工厂邀请了行业内的多家友商进行现场测试,但始终无法满足其严格的检测要求。为了达到更高的品质管控标准,工厂不断寻找技术能力更强的解决方案提供商。

在这个关键时刻,考拉悠然提供了整体解决方案,并在两个月内通过了客户的所有测试要求,最终形成了批量订单,工厂的客户对产品品质的显著提升感到非常惊喜。这不仅帮助工厂提高了产品质量,还大幅提升了产品的市场口碑。

从人工到智能,考拉悠然让工业视觉检测更精准

考拉悠然的支架全自动 AOI 检查设备依托自主研发的主动学习 AI 算法、影像缺陷分析和缺陷检测等多项技术,具有高检查效率和高准确性,且需要的人工干预少。该设备能够独立显示检查数据统计、不良缺陷分类占比、及时生成报表和实时监控,广泛应用于注塑和折弯后的检测。

考拉悠然的主动学习 AI 算法能够根据特征进行相似度匹配,并在庞大的缺陷特征数据库中进行分类汇总。结合考拉悠然的大模型技术和首创的离散哈希大数据检索技术,该设备实现了快速数据检索和特征匹配,确保高效准确的缺陷分类。该技术还获得了 ACM SIGIR 的最佳论文奖,进一步证明了其在工业检测领域的领先地位。

AOI 设备如何让玻璃检测更完美

从人工到智能,考拉悠然让工业视觉检测更精准

玻璃是显示面板的核心材料,其品质直接决定了显示面板的制程效果,因此,玻璃的品质检测至关重要。目前,尤其是大幅面玻璃的检测,市场主要由国外供应商主导,国内还未形成有效的解决方案。然而,随着国产化方针的推进,客户们纷纷寻找国内的解决方案提供商。

考拉悠然积极应对这一挑战,突破技术壁垒,通过自研光学方案和自动化方案,结合考拉悠然优势的 AI 算法,形成了完整的解决方案。通过客户的不断技术验证,考拉悠然的解决方案在部分技术上已经超越了国外同类产品的能力。

从人工到智能,考拉悠然让工业视觉检测更精准

考拉悠然的玻璃表面及边缘外观缺陷 AOI 设备,依托于自主研发的主动学习 AI 算法、高精度尺寸量测技术和高速数据处理等多项技术,专用于切割精度和外观缺陷检测。

在东莞某光电玻璃客户检测项目中,客户前期在市面上购买了一台的 AOI 设备,但在实际运行中出现了设备运动龙门变形、型号切换时间过长(超过 8 小时)、检测准确性低(漏检率高于 1%)等问题,长期无法达到技术要求。

为实现快速型号切换和稳定检测,客户与考拉悠然达成了二期设备合作。考拉悠然的解决方案不仅完美解决了客户的前期担忧,设备现场交付后迅速达到了验收要求。新型号切换时间缩短至 1 小时内,致命缺陷无漏检,过检率 ≤5%,彻底解决了客户的质量问题,并促成了三期项目的合作启动。

06 结语:AI 引航高端制造新未来

从电子产品到半导体,从支架封装到光电玻璃,考拉悠然的 AI 解决方案不仅提升了检测效率和准确性,还帮助客户实现了卓越的品质管理和市场竞争力。未来,考拉悠然将继续致力于为各行业提供更加智能、高效的检测解决方案,推动中国制造迈向智能化的新高度,打造更加美好的工业未来。

Like (0)
Previous 2024 年 6 月 13 日 上午10:46
Next 2024 年 6 月 13 日 下午12:45

猜你喜欢