Om de kwaliteit van het productieproces te beheersen heeft Vision Partners een automatisch classificatie systeem geïmplementeerd waarmee de procesoperator ondersteund wordt product kenmerken als vorm, textuur en kleur te beoordelen.
Deep-learning, lokaliseer afwijkingen
Op deep-learning gebaseerde anomaliedetectie vergemakkelijkt geautomatiseerde oppervlakte-inspectie voor bijvoorbeeld detectie en segmentatie van defecten. De technologie kan afwijkingen, dat wil zeggen defecten van welk type dan ook, feilloos en onafhankelijk lokaliseren op daaropvolgende beelden. Het trainen van het model vereist alleen afbeeldingen van producten zonder defecten. In tegenstelling tot andere deep learning-methoden is er geen labeling nodig. Tijdens run-time segmenteert anomaliedetectie de gebieden van afbeeldingen die aanzienlijk afwijken van de trainingsafbeeldingen.
AI (artificial intelligence) toepassing
Vision Partners heeft deze klant-specifieke kunstmatige intelligentie toepassing ontwikkeld gebruikmakend van het Deep Learning Framework van MVTEc.
Naast de turn-key hardware is tevens onderstaande softwarefunctionaliteit geleverd:
- Beeldacquisitie en weergave van meerdere camera’s op de operatorconsole.
- Afwijkingsdetectie productinspectieresultaten op operatorconsole.
- Loggen van afbeeldingen en inspectieresultaten in de gedeelde Windows-directory.
- Selectie door operator van welk product wordt geproduceerd.
- Training (door procesingenieur) van nieuwe recepten gebaseerd op deep learning-technieken.
Certificeerde MVTEC partner
Vision Partners is een MVTEC Certified Integration Partner en heeft voor dit project gebruik maken van het Deep Learning Framework van MVTec. Naast de voorgestelde anomaliedetectie ondersteunt het MVTec Deep Learning Framework ook objectdetectie, classificatie en semantische segmentatie. Om deze benaderingen te ondersteunen is er tevens een Deep Learning-tool beschikbaar. De Deep Learning Tool integreert naadloos in het MVTec-productportfolio. Na labeling, training en evaluatie in de Deep Learning Tool kan het getrainde netwerk in de betreffende runtime-omgeving worden ingezet.
