数字智慧方案5005丨工业AI质检助力生产制造企业持续提质降本增效河钢数字_第1页
数字智慧方案5005丨工业AI质检助力生产制造企业持续提质降本增效河钢数字_第2页
数字智慧方案5005丨工业AI质检助力生产制造企业持续提质降本增效河钢数字_第3页
数字智慧方案5005丨工业AI质检助力生产制造企业持续提质降本增效河钢数字_第4页
数字智慧方案5005丨工业AI质检助力生产制造企业持续提质降本增效河钢数字_第5页
已阅读5页,还剩22页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

河钢勤字

边缘智能赋能产业发展已成为主流趋势,

下游应用场景丰富

。基于软件服务

云服务

、硬件基础设施等产品形式,

结合消费

、制造业

、互联网

、金融

、元

字宙与数字孪生等各类应用场景,

人工智能赋能各个产业发展

边缘智能的产品形态和应用边界不断拓宽;

2022年,

边缘智能产学研界在

通用载体

、模型等促进技术通用性和效率化生产的方向上取得了一定突破

商业价值塑造

、通用性提升和效率化应用是AI技术助力产业发展

、社会进步

和自身造血的要义

。人工智能正在为千行百业赋能

,实现各类应用场景落地

,而“硬件+平台+应用+服务

”软硬一体的架构形态现阶段已经发展成为主流趋势,技

术商业价值不断增长,产品形态和应用边界也在不断拓宽。n

企业应用比重持续提升

,A

I技术商业价值不断增长

。据调查,2017年企业应用AI技术比重约20%,

2022年企业至少在一个业

务领域采用AI技术比率增至

50%

。2019年应用AI产品平均仅19

个,

2023年增至3.8个应用数量提升以外

,A

I商业价值不断增长,

企业部署A

I

动力显著

。n

机器人流程自动化(RPA)和计算机视觉是人工智能领域每年最常

用的技术自然语言文本理解已经从

2019年的中间位置上升到仅

次于计算机视觉的第三位

。边缘智能定义:边缘智能产业是指

以人工智能关键技术为核心的

、由基础支撑和应用场景组成的

、覆盖领域极为广阔的行业群智能

产品是指用人工智能技术赋能的

产品

。设计过程中需要具备较强

的仿真能力和失效模式分析能力

。演进规律与现状:

共性赋能技术体系逐步形成人工(边缘)智能行业定义及特征行业落地场景2019-2023年全球企业应用边缘智能产品的平均数量算力算法数据价值性

、通用性

、效率化为产业发展战略方向智能计算集群智能模型敏捷开发工具数据基础服务与治理平台发展三大要素基础层3.1

2.3202020232019202220213.

83.

91.

9终端层

企业级用户

政府机构用户

大众消费用户应用层

工业制造政务医疗新能源企业服务教育/科研多模态生成能力层虚拟场景生成技术层CV模型多模态模型文档理解语音语言人工智能知识图谱自然语言理解n

技术架构链条逻辑上可分为

基础层

、技术层

、能力层

应用层

、终端层五大板块

。n

基础层:涉及硬件基础设施和

数据算力

、算法模型三大核

心要素

。随着AI大模型规模

的不断扩大

,对计算资源的

需求也在增加

。因此,

高性

能的硬件设备

、海量场景数

、强大的算力基础和升级

迭代的算法模型成为了支持A

I

大模型发展的关键

。n

技术层:主要涉及模型构建

目前

,Transformer架构在A

I大模型领域占据主导地位,

如BERT

、GPT系列等能力n

能力层

、应用层及终端层:在

基础层和技术层的支持下,A

I大模型拥有了文字

、音频

图像

、视频

、代码策略

、多

模态生成能力等,

具体应用

于金融

电商

、传媒

、教育

游戏

、医疗

、工业

、政务等

多个领域,

为企业级用户

、政府机构用户

、大众消费者

用户提供产品和服务

。技术架构逻辑上分为基础层

、技术层

、能力层

、应用层

、终端层五大板块,其中核心技术层涵盖AI技术群和模型的融合创新

,为各行业领域提供

相关产品及服务。NLP大模型工业智能创新发展的体系框架基础层计算平台预训练大模型深度学习框架/开源模型多语言模型图像分类服务器信息抽取与检索视觉语言数据整合计算机视觉存储资源图像表征代码生成和理解外部数据安全资源文本语义与图结构第三方数据语音语义理解因果推理计算平台视频表征开放域对话视频生成云计算与云服务网络资源语义分割多模态对话语言理解与生成图像生成图像与物体检测机器学习芯片多模态检测与分割算力资源数据标注结构化图像生成视频生成音频生成策略生成文字生成代码生成算力基础数据资源硬件设施模型工具时间政策工业AI质检相关政策要点2023年2月《质量强国建设纲要》提出了优化消费品供给品类的诸多举措,

包括实施消费品质

量提升行动,

加快升级消费品质量标准,

提高研发设计与生

产质量。2021年12月《

十四五

”信息化和工

业化深度融合发展规划》推进生产制造数字化管控

,基于传感器

、机器视觉

自动化

控制

、先进测量仪器等技术在生产环节深度应用,

提升精益

生产过程质量控制水平。2021年12月《“

十四五

”智能制造发

展规划》研发数字化非接触精密测量

、在线无损检测

、激光跟踪测量

等智能检测装备和仪器2021年7月《5G应用“扬帆

”行动

计划(2021-2023年)》5G+工业互联网

。推进5G模组与AR/VR

、远程操控设备

、机

器视觉

、AGV等工业终端的深度融合。2021年1月《工业互联网创新发展行动计划(2021一2023

年)

》提出要加强工业互联网基础支撑技术攻关

。支持工业5G芯片

模组

、边缘计算专用芯片与操作系统

、工业人工智能芯片、工业视觉传感器及行业机理模型等基础软硬件的研发突破。深化供给侧结构性改革的关键着力点就是提高制造业供给质量,

提高质检水平是提高产品质量最直接有效的手段

。以2D图像或3D点云数据为基础,

算力终端为载体,

结合AI检测算法的工业AI质检技术,

具有非接触

、无损检测

、准确率高

、检测速度快等突出优势,

逐渐在各行

业得到广泛应用。习近平总书记强调,“要树立质量第一的强烈意识,

下最大气力抓全面提高质量

”、“

中国致力于质量

提升行动,

提高质量标准,

加强全面质量管理,

动质量变革

、效率变革

、动力变革,

推动高质量发

”。2023年2月,

中共中央

、国务院印发《质量

强国建设纲要》,

再次确定了质量强国是党和国家

重大战略。质量强国战略要求全面提升制造业供给质量人工天然容漏检

、误检传统质检完全依靠眼力

、经验与耐心,

人员的生理差异与疲劳

、消极状态都

会导致对产品缺陷的漏检和误检,

对于质检工作效率难以量化考核,

最终造成人力成本和管理成本的极大浪

费。质量标准不统一导致执行混乱传统质量管理体系下,

工厂自身与不同下游客户通常都提出自有的质量标

准,

造成了质检人员针对同一产品的

缺陷分类和质量判级标准定义混乱

,严重影响质量管理体系的执行效果。O3无法通过质检结果指导生产过程传统质检行为相对于生产过程存在严重滞后性,

面对越来越快的生产节拍,人员无法在生产的同时实时在线完成质检工作

。当出现早期质量异常时无

法快速反应,

更难以通过告警

、控制工艺参数等方式指导生产以避免质量事故。传统人工质检方式存在以下几点弊端:O1

O2潜在的经济与商誉损失风险因前述弊端造成的质量缺陷最终会传

导至下游客户,

而客户通常只能在后加工过程甚至生产完成后才能发现来料质量问题

由此导致售后压力与经

济纠

,严重时甚至会直接造成客户流

失与商业信誉受损,

丧失市场竞争力。传统质检的诸多弊端亟待新兴技术予以解决O4从“质量感知

”到“质量提升

”“代替人工

”或者“超越人工

”只是在线表面质量检

测系统最基础的应用价值,

在此之上,

这一系统对于

用户更深远的意义在于:

通过在线

、实时

、数字化的

产品质量记录,

使得用户能够追溯生产过程中导致质

量偏差的异常行为,

分析“人机料法环

”等关键生产要素及关键工艺参数与产品质量表现间的关联关系

最终建立质量控制模型,

实现通过产品质量表现反向

控制生产过程,

使用户对产品质量可感知

、可预测

可控制

、可提升,

形成健全的质量控制体系

。为全面

提升企业产品质量与管理水平,

创造更多经济效益打

下坚实的基础。工业AI质检为企业带来更加深远的价值提升质量提升质量控制质量感知质量预测更智能的算法采用深度学习算法及嵌入式AI加速模块等技术,

实现智能算法在现场边缘侧的实时应用创造更多价值通过与二三级系统打通

以数据驱动生产,

以检测结果优化工艺,

实现提质降本增效在成像传感器上,

应用高线阵&大面阵CMOS传感,

提升横向物理分辨率,

达到更高的检测精度通过算法优化

限制ROI区域

、提升处理器等方式,

提高数据处理速度,

以适应更快的生产节拍通过先进生产工艺,

将激光器

传感器

、处理单元等模块制成一体化产品,

降低部署和应用成本钢铁行业产品质检特性要求更快的检测速度更高的集成度更高的检测精度彩涂板产线目前大部分质量检测还是以传统的人工方式进行

,存在漏检

、误检

、缺陷信息标准不统一

、无法数字化记录和追溯等问题

,尤其是因为不合格的产品出厂所带来的产品退换货和投诉的时候,会给企业带来极大的经济和名誉的损失

。针对传统表面检测模型在面对彩涂板多纹路

、多色彩的特点时,检测效果差甚至无法检测的问题自主研发的一套全流程

、自动化

、智能化的AI系统

,主要是提升整个彩涂板材行业表面质检远程化

、自动化

、智能化

、标准化水平

,实现了从人工现场分类分级到远程智能分类分级的跨越。彩涂板表面质量检测及优化系统-总体介绍机器视觉A

I深度学习…

…95%整卷缺陷识别准确率100%整卷缺陷识别率0%整卷漏拍率算法库缺陷库100%整卷质量地图准确率99%缺陷分级准确率0.5%提高成材率缺陷分类准确率98%系统由成像系统

、算法处理

、上位机软件组成,利用成像系统对彩涂板进行图像采集和感知

,并获取多幅彩涂板物体图像,对获取到的图像在边缘处理层进行特征处理和测量,根据测量结果对彩涂板缺陷进行定性分析和定量解释,

为彩涂板的缺陷分类分级以及后续工序提供相应的执行决策

。助力生产人员和质控人员对彩涂板的生产和质量进行总体把控

,找出影响彩涂板质量的问题

,从而进一步优化改善彩涂板的生产工艺。反馈控制彩涂板表面质量检测及优化系统-系统架构成像系统板材图像采集模型训练缺陷检出A

I检测模型缺陷分类

!模型部署缺陷样本管理 上下游工艺协调控制深度学习算法模型镀层厚度与灰渣形成机理模型模型

&

训练数

据选择模型部署&更

新镀层质量影响机制模型沉没辊系受力状态模型异常及严重缺陷报警在线缺陷自动检出深度学习缺陷分类算法应

用数据存储系统配置工具离线缺陷复查检测过程控制模型样本管理缺陷可视化数据应用数据报表图像预处理工业光源-上表面天璇算力终端实时检测客户端模型训练工作站工业相机-下表面远程质检工作站

在彩涂板经过表面检测系统完成缺陷检出和识别后,终端画面实时动态显示检测表

面情况

支持历史数据反查

、缺陷报警

、数据报表

生成等多种功能彩涂板表面质量检测及优化系统-硬件架构

采用工业相机上下表面进行全幅扫描

,获取表

面图像

通过先进的图像处理技术对图像进行预处理

利用高速嵌入式边缘计算网关进行并行图像处理和深度学习算法融合计算

,实现高

算力缺陷检出与缺陷识别缺陷智能检测检测结果输出相机全幅扫描工业相机-上表面工业光源-下表面天枢智能网关优化的深度学习算法采用调优的预训练模型解决现实场景中初始缺陷样本不足问题,

半监督学习算法能够随着检测过程中数据

积累持续自训练迭代模型

,极大降低人工标注成本。B/S+C/S混合软件架构软件开发采用B/S+C/S混合架构

,不同角色用户可

灵活选择,

同时满足工业现场对检测结果快速响应与管理人员远程查询质量报表的需求。模块化可配置组件设计基于模块化设计思想,

实现不同规格成像组件

检测组件

、扩展组件之间的灵活配置和快速对接,以标准化产品覆盖个性化需求。自研嵌入式异构计算平台专为机器视觉检测场景研发的FPGA+GPU+CPU

异构计算平台,

最大限度发挥不同架构硬件的计

算优势,

实现高算力

、低能耗。彩涂板表面质量检测及优化系统-方案特性0304050201彩涂板表面质量检测及优化系统-实现路径070608GPUFPGA

支持图像缩放

,ROI截取

、图像拼接

、几何校正

、左右

镜像等

降低待识别窗口数量,有效缩短对彩涂板种类分类器

的搜寻过程,有效提升分类准确率基于FPGA+GPU+CPU的边缘计算单元DecoderDSPEncoder

满足彩涂板产线最高速度800m/min

成像精度0.2mm~0.5mm

可调节亮度光源

,亮度可达

90000LUX共享内存ROI区域分割图像拼接图像校正ADC

可完成lut/gamma/直方图/图像位偏移

/bayer解码等处理APIs参数配置任务调度CPU(

ARM

64bit

)多模型自适应缺陷分割有效区域提取模型多模态融合缺陷分类分级模型表面质量在线反馈控制模型通过在线反馈监控模型及时调整

异常工艺参数

提高成材率和产

品质量彩涂板表面质量检测及优化系统-核心算法利用残差网络构建缺陷分类模型,自动提取缺陷的轮廓、大小、形

状等特征

构建缺陷类别特征空

间利用AI模型预先感知彩涂板颜色和纹路自适应调整缺陷快速分割算法模型参数坐标信息优化质量工艺自适应缺陷分割准确提取缺陷区域智能分类分级对有效区域像素级分割,准确提取边缘坐标信息彩涂板表面质量检测及优化系统-核心功能离线缺陷数据复查二

、三级数据交互功能在线实时检测缺陷分析功能质量控制模型在线反馈针对检测结果进行缺陷统计与报表生成打印彩涂板质量等级判定样本缺陷库管理创新性

协同高频低压差分信号处理技术

深度学习语义分割算法与卷积神经

网络轻量化设计方法构建彩涂板表

面缺陷分割模型

面向多缺陷类别的彩涂板表面质量

实时智能标注系统

涂镀产线上下游工艺协调控制模型

与表面质量在线反馈控制技术安全性

数据传输加密

、数据存储加密

身份认证

、授权机制

数据定期备份

、灾难恢复计划

数据匿名化和脱敏

、防火墙和入侵

检测有效性

系统划伤、麻点、漆渣、漏涂、严

重硌伤等常见缺陷检出率≥98%

分级分类准确率≥99%

检测结果输出速度≤2秒

算法识别的坐标定位误差≤3厘米

板常

缺陷

率降

70%以上

系统连续运行8000小时以上无故

障收集缺陷种类188种采集背景图片80W张建立缺陷模型库自动标注模型5个彩涂板表面质量检测及优化系统-核心优势

跨平台兼容性

多语言SDK以及标准API接口

模块化设计

支持定制化和扩展性国内首套涂镀行业集缺陷识别、

动标注、在线控制、分级缺陷分类分级模型18个个处理于一体的全流程产品缺陷管控系统

。通用性图像处理模型工艺优化模型彩涂板表面缺陷检测及优化系统在线实时的监控带钢产品的表面质量信息,无论是周期性缺陷还是突发性缺陷都能及时发现,然后反馈在线指导系统,结合工艺生产数据进行相关性分析,分析出影响因素后及时给予生产过程指导意见,

向下反馈智慧决策,可以避免批

量缺陷的连续发生,对于认知不出的缺陷类型

,工艺人员可以通过表面缺陷检测反馈的信

息,在线调整和优化工艺参数,使板材质量得以稳定和提高,满足用户对板材质量的要求。智慧运营

、智慧决策彩涂板表面质量检测及优化系统-闭环控制产品缺陷检出图像识别自动化执行(单点-协同)推训一体化大数据分析技术/A

I算法平台边缘物联网实时数据中心

工业大数据信息获取工艺

、设备

、人员

信息感知合规性分析关联关系构建用于对操作进行实时指导以数字模式描述一系列的技术规则可执行的知识库影响参数分析运行时决策优化工艺边缘数字化平台工业质检在线指导系统资源配置平台

运行时决策智慧决策反馈赋能趋势分析回归分析实时分析相关性分

析 关联关

构建大数据分析技术A

I算法平台大数据中心经济赋能:

降低企业成本提高经济效益增加企业经济效益l

一条涂镀产线月产平均10000吨,

合格率提高后年经济效益提高至

132万元,

一级品率提高后年经

济效益提高至108.48万元

,合计

240.48万元l

未来两年系统将在全国进行推广,

按照每年增加覆盖5条产线计算

合计每年收益提高240万元*5=1200万元。产业赋能:

提高行业生产效

率和质量

划伤

、麻点

、漆渣

、漏涂

、严重硌

伤等常见缺陷检出率≥98%

分级分类准确率≥95%

检测结果输出速度≤1s

生产线整体生产效率提高1%以上

算法识别的坐标定位与人工复检测

量误差≤3cm

彩涂板常见表面缺陷发生率降低70%以上系统上线改变了传统依靠人工经验目视检测缺陷的方式

,实现了从人工现场检测缺陷到远程智能检测缺陷

、分类分级的跨越

。同时通过缺陷

表现与生产工艺的关联关系,指导工艺人员优化工艺参数,减少或消除缺陷,最终达成降本增效的目标。彩涂板表面质量检测及优化系统-应用效果某企业应用系统后产品不良率从

4%降低至3%

,年不良品降低995吨,

每吨价格5000元左右,

每年增效业绩5000*995=497.5

万元产线4转3班,

每班4人,

应用

之后每班仅需1人

。按照每名检

验人员每年成本10万元计算每

年降低人工成本10*9=90万元降低企业人工成本降低产品不良率DThings物联网平台•工业物联网

:实时/历史数据分析

、工艺分析•通用物联网:集管集控

、预报预警•基于IOT的设备故障诊断边缘计算

智能网关

:实现设备互联和信息流通的边缘

数字化设备

算力终端:具备视频AI分析的边缘智能终端设备;基于FPGA+DSP+CPU的高速图像

采集与实时处理异构计算平台物联网

泛在连接:一种基于MQTT协议的数字模型与物理设备匹配的系统及方法;一种将物理设备时序变量自动映射为数字模型的方法

可靠传输:物联网环境下分布式高并发数据

采集与处理方法及系统

云边协同:基于边云协同实时数据计算框架

技术

。智能检测

产品质检

:以产品表面缺陷检测场景为主的

2D表面检测;以形态及尺寸量测场景为主的3D立体量测

动态监测:基于视觉技术的多场景运动目标

检测与跟踪天枢智能网关系列•

可视化运行状态监测•

插件式可扩展协议库•

本地与平台双向运动协同•内置防火墙白名单•

零代码通讯协议接入智能装备是河钢数字产业版图的重要战略方向,依托自主打造的WeShyper+Plat威赛博工业互联网平台强大的技术能力及河钢丰富的工业制造场景优势,

以“

自主可控

、软硬结合

”为导向

,以“提质

、降本

、增效

”为策略研发智能装备产品,

目前涵盖了智能感知及控制

、智能终端

、智能检测等产品研发方向

,面向工业制造

、城市治理

、产业集

群等重点行业提供智能化装备+服务为一体的解决方案

。2D平面检测

带钢表面质量检测装置

型材/棒材表面缺陷检测3D立体测量

热态连铸坯结构缺陷检测热轧板平直度检测装置

转炉炉衬快速测厚仪钢卷端面检测装置•2D+3D融合数据检测

•自研嵌入式异构计算平台•B/S+C/S混合软件架构•优化的深度学习算法•模块化可配置组件设计河钢数字智能装备产品及能力智能巡检机器人•智能巡检•环境监测•

局方检测•

视频监控智能装备核心能力介绍•

多协议视频设备接入•

统一格式视频数据分发•

智能算法任务调度•

多元算力与高速互联•

集算法、存储

、应用一体的智能边缘终端智能感知及控制

多参数变送器

干气体流量计

节流巴传感器

拉格朗日流量计

高压/防堵孔板流量计天璇算力终端系列实时数据处理规则引擎多因子身份认证机制••厂区内远程抄表

、能源数据采集

、能源调度

、能源管控等需求电表

、水表

、流量计等都有位置分散

、数量众多的特点

。人工抄表

无法满足实时性和准确性需求

。天枢智能网关P32能够将传统仪表

的模拟量

、开关量

、RS485信号直接转换为数字化信号,

并通过MQTT协议统一封装后上送到能源系统或平台

。产线数字化改造;

生产数据跨设备

、跨网络实时流转由于工业通讯协议的差异性和封闭性

,传统产线的数据仅用于服务

生产过程,

无法进行集中采集和实时交换

。天枢智能网关P65能够

将PLC

、DCS和二级系统中的过程数据进行批量接入

、解析,

并转

换为统一格式

,通过标准协议为各系统提供实时可信的生产数据

。基于边缘计算的实时告警

、实时控制

、数据处理天枢智能网关P65支持基于数学计算

、逻辑运算的边缘计算能力

可以对采集到的数据进行实时处理,

并基于规则引擎对外输出报警

消息

、控制信号等

。实现对生产过程的实时监控和控制

。n

支持与物联网平台形成云边协同n

满足数据采集的及时性

、可信性

、准确性

、有效性需求天枢智能网关-P65①适用于单体机械

、设备的数字化改造②丰富IO接口,满足90%以上设备接入/控制③512点位/秒数据采集处理能力解决现有工业现场数据只能看

,不能存不能用的问题

。破解二级工业软件封闭特性

导致的数据“黑洞

”,实现数据的实时应用,并且通过时序数据的长期存储

,实现生产数据资产化,挖掘出生产数据背后的价值

。生产数字化转型核心硬件-天枢智能网关系列①适用于某著名企业设备的GIS定位

、状态监测③支持CAN总线接入及J1939协议解析①适用于楼宇

、市政等大范围部署场景②基于LoRa

Mesh

,节点免配置自动入网n

具备边缘计算能力及海量设备接入

、多种协议转换

、统一格式输出的网关设备,②原生支持北斗卫星授时

、定位④支持扩展4G

、Wi

Fi通信模组

天枢智能网关-P32天枢智能网关-P980系列P980-BEI

DOU

核心能力

产品优势天枢智能网关-P68P980-MESHP980适用于在线AI工业质检

、智能驾驶等需要高算力

高实时性场景,

作为核心的AI推理加速和控制单元。

高速产线实时AI质量检测;

智能驾驶系统天璇算力终端N100采用旗舰级硬件方案,

提供高达100TOPS的端侧

澎湃算力

。能够为高速生产节拍下的高精度AI质量检测或高算力需

求的智能驾驶系统提供充足算力支撑。

无人天车;

无人物流车;自动巡检机器人等天璇算力终端N40具备40TOPS强大算力,

足以支撑复杂场景下多传

感器数据融合推理计算

。能够应用于港口AGV

、库房无人天车

间自动巡检机器人

自动协作机器人等需要较大本地AI推理加速能

力的产品或解决方案。

天璇算力终端N100可对高频传感器信号进行实时处理,

适用于基于AI算法的设备故障诊断等应用,

作为边缘侧实时推理计算单元。

边缘侧实时设备故障诊断天璇算力终端N21内置推理加速GPU,

可搭载基于神经网络的设备

故障诊断模型,

通过多点位/振动信号的实时分析,

对设备健康

状态进行在线监测

。能够极大减轻传统设备故障诊断方案中对网络

传输带宽需求及服务器的计算压力。

天璇算力终端N40适用领域AI工业质检

生产状态

、智慧园区

、安防监控等领

域产品优势①GPU+CPU异构计算平台②提供强大边缘算力,

为现场AI推理加速③硬件编解码器,

支持视频硬编硬解④丰富IO接口,

满足边缘侧实时控制需求工业智能化应用核心硬件-天璇算力终端系列适用于AGV

、机器人

、智能巡检等复杂场景下的AI智能应用,

可作为端侧实时推理计算单元。

天璇算力终端N21河钢数字工业智能质检系统构建了成像系统

、机械结构

、无监督检测算法与应用系统一体化设计

,整体覆盖了型钢

、板钢

,热态

、高速等不同场景下的检测产品,助力企业降本增效。表面质量检测判级44

、通过2D相机采集钢材表面图像信息,

通过3D激光轮廓仪对全尺寸轮廓进行采集,

融合2D可

见光图像与3D点云数据,

实现在线对凹坑

划伤

刮伤

裂纹

折叠

、横向压痕

轧痕

、翘皮

的检测,

综合检出率不低于95%;

综合分类率不低于90%

。3

、对现场高

、红外辐射干扰等客观不利因素进行特殊防护和滤光设计,

实现在线对表

面裂纹

、划伤

、振痕

、边部角裂等缺陷及时检出,

缺陷检出率与识别率均达到95%以上,

高热装热送率3%

。1

、使用多台工业相机及双光场对带钢生产表面图像进行扫描识别,

自动检出缺陷并分类

分级

,对划伤

、麻点

、漆渣

、漏涂

、严重硌伤等常见缺陷检出率不低于95%,

分级分类准确

率不低于95%;2

、通过2D相机采集钢材表面图像信息,

通过3D激光轮廓仪对全尺寸轮廓进行采集,

在线

自动检出镰刀弯

浪板

(可自定义浪形分类)

等缺陷类型,

综合检出率不低于90%。工业检测产品系列深度学习算法高精度视觉识别带钢表检型钢表检+++产品种类镀锡板

(食品

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论