工控网首页
>

应用设计

>

基于SICK AppSpace的深度学习功能介绍

基于SICK AppSpace的深度学习功能介绍

2022/8/4 10:53:49

前言

深度学习(Deep Learning)的出现打破了传统机器学习发展的瓶颈,成为了机器学习算法研究中较先进的技术之一。同时,它大大地促进了机器学习的发展,受到世界各国相关领域研究人员和高科技公司的重视。

SICK作为工业用智能传感器和传感技术解决方案的主要制造商之一,已将深度学习作为其数字化转型的一个重要部分。SICK自主研发的软件开发与应用生态系统AppSpace,可将PC端上开发好的应用程序直接下载到智能传感器中,并且能在传感器中快速执行,其中就包括深度学习的应用程序。基于SICK AppSpace的深度学习功能主要包括:分类,异常检测,目标跟踪及语义分割,这些功能可为绝大部分工业视觉复杂类检测应用提供解决方案。

深度学习之分类功能

图像分类是机器视觉中一个基础的任务,同时也是一项颇具挑战的任务。其难度主要在于:

1.复杂背景的干扰

图1. 车与飞机在复杂背景中的分类

2.同一类别具有各种无法预测的差异,特征提取难度大

图2. 质检为合格的同一类螺纹

3.用于区分不同类别的特征具有一定的模糊性,容易导致误判

图3. 质检为不合格(左图)与合格(右图)的螺纹

深度学习技术在特征表示上具有较大的优越性,能很好的解决上述3大问题,并在许多实际应用场景中得到了落地。

SICK基于自主研发的AppSpace平台,将深度学习技术部署于云端(点击进入云端)以及智能相机InspectorP6xx(如图4所示)系列中,为用户提供简洁,高效,高性能的解决方案,整个方案仅包括3块简单的流程,如图5所示:

图4. 智能相机InspectorP6xx系列

图 5. 深度学习解决方案流程

案例详解

需求:检测螺纹质量,合格的输出OK,不合格的输出NG

解决方案具体流程如图6所示:

图 6. 解决方案详细流程

成功案例:

图 7. 塑料瓶质量检测

图 8. 焊接质量检测及分类

图 9. 螺丝有无检测

深度学习之异常检测功能

基于深度学习的异常检测方法可以降低传统人工质检的成本,并且大大提高了检测的效率与准确性,已经被广泛应用于各种工业场景中。

但是一些深度学习的方法依然存在着以下缺点:

1. 需要大量的训练样本;

2. 收集大量有缺陷的样本更为困难,因为实际生产中有缺陷的样本数量很少;

3. 需要人工进行繁琐的缺陷标注。

SICK基于自主研发的AppSpace平台,将具有异常检测功能的深度学习技术完全部署在智能相机InspectorP6xx(如图4所示)系列中。即,InspectorP6xx系列是集成了数据采样,训练,检测于一体的智能相机。

该技术具备以下优点:

1. 无需使用额外的工控机(PC)进行训练,在智能相机内部即可实现快速训练;

2. 只需收集少量正样本,即,被认为是合格的样本图像,最少仅需要2张样本,而最多不能超过100张;

3. 无需收集有缺陷的样本;

4. 无需对图像进行标注。

案例详解

需求:检测芯片电路板中是否存在异物,若有,则标出异物的位置。

解决方案具体流程如图10所示:

图 10. 解决方案详细流程

成功案例

材料表面无划痕(左)有划痕(右)

图 11. 划痕检测

图 12. 电路板异常检测

图 13. 装配检测

结束语

SICK工业智能传感器在多个行业的不同场景中被广泛使用着,而集成了SICK AppSpace深度学习功能的智能相机,可以为大部分工业视觉复杂类检测应用提供简洁,快速,高效以及稳定的解决方案。

点击查看电子资料:

审核编辑(
王静
)

提交

查看更多评论
其他资讯

查看更多

大揭秘!@西克RFID智能读写器功能块

活动预告 | 西克中国1688直营店三周年庆

精选推荐 | 西克云展会演讲中心干货满满

SICK 3D相机助力汽车轴承高速检测

新品上市 | LBR/LFR长距离非接触物位/液位传感器