“在解决我的任何问题之前，我为什么要关心一种炫酷的新技术？” –这是我与一家净水厂的负责人就一杯温暖的咖啡进行的确切交谈。
闲聊开始了，最终演变成了关于AI技术的缺陷检测和质量控制的深刻而有意义的讨论。 这次谈话极大地改变了我的视野和方法。
本文的目的是描述如何实现基于AI的视觉检测以进行缺陷检测。 这与人工智能的酷劲无关，而与特定问题的实用解决方案有关。
人工智能视觉检查的概念
制造业中的人工智能是一个时髦的术语。 在描述基于AI的缺陷检测解决方案时，通常是基于深度学习和计算机视觉的某种视觉检查技术。
什么是机器视觉深度学习？
深度学习是由人工神经网络提供支持的机器学习技术的一个方面。深度学习技术的操作原理是以示例为基础的教学机器。通过为神经网络提供带有标记的特定类型数据的示例，可以提取这些示例之间的通用模式，然后将其转换为数学方程式。这有助于对将来的信息进行分类。
借助视觉检查技术，深度学习算法的集成可区分零件，异常和特征，从而在运行计算机化系统时模仿人类的视觉检查。
那么，这到底是什么意思？让我们举个例子。
如果要创建用于汽车制造的外观检查软件，则应开发一种基于深度学习的算法，并用必须检测的缺陷示例对其进行培训。有了足够的数据，神经网络最终将在没有任何其他指令的情况下检测出缺陷。
基于深度学习的视觉检查系统擅长检测本质上复杂的缺陷。它们不仅可以解决复杂的表面和外观缺陷，而且可以泛化和概念化零件的表面。
