یک سیستم بازرسی خودکار جدید با استفاده از فناوری پیشرفته بینایی ماشین در حال تغییر فرآیندهای کنترل کیفیت در تولید سندر فیلم است.این راه حل نوآورانه به چالش های طولانی مدت در تشخیص نقص های سطح میکروسکوپی در طول تولید با سرعت بالا می پردازد.
خازن های فیلم، اجزای ضروری در الکترونیک مدرن از تلفن های هوشمند تا وسایل نقلیه الکتریکی، نیاز به تولید فوق العاده دقیق دارند.فرآیند پوشش انتقادی اغلب باعث ایجاد نقص های ظریف سطحی می شود که روش های بازرسی دستی سنتی تلاش می کنند تا به طور مداوم تشخیص دهند.
بازرسی بصری معمولی محدودیت های متعددی دارد:
- هزینه های بالای نیروی کار و نیاز به آموزش فشرده
- نرخ تشخیص نامتعادل به دلیل خستگی انسان
- احتمال آسیب ثانویه در هنگام دستکاری
- ناتوانی در پیگیری سرعت تولید خودکار
سیستم جدید از یک معماری توزیع شده استفاده می کند که ترکیبی از صفحه نمایش LCD، چهار واحد پردازش تصویر مستقل و مکانیسم مرتب سازی مکانیکی است.در هسته آن یک الگوریتم پیشرفته بر اساس فناوری Nonsubsampled Contourlet Transform (NSCT) است، که مزایای متعددی نسبت به روش های معمولی دارد:
- قابلیت های پیشرفته تشخیص لبه از طریق تجزیه و تحلیل هندسی چند مقیاس
- پیچیدگی محاسباتی پایین تر که امکان پردازش در زمان واقعی را فراهم می کند
- مقاومت بیشتر در برابر تغییرات نور و بافت های سطحی
- خواص غیر متغیر ترجمه که حساسیت موقعیت را کاهش می دهد
آزمایش دقیق با 10،000 نمونه خازن نشان داد پیشرفت های قابل توجهی نسبت به تکنیک های موجود:
- دقت تشخیص بیش از روش های استاندارد صنعت LBP 15-20٪
- نرخ های منفی کاذب به کمتر از 1 درصد واحد های معیوب کاهش یافته است
- سرعت پردازش کمتر از 10ms در هر خازن
- سازگاری با خطوط تولید بیش از 100 واحد در دقیقه
راه حل خودکار مزایای عملیاتی قابل توجهی را ارائه می دهد:
- کاهش نیاز به نیروی کار حدود 80٪
- کاهش اتلاف مواد از طریق تشخیص زودهنگام نقص
- تولید بالاتر بدون تضعیف کیفیت
- هزینه کل مالکیت پایین تر در مقایسه با بازرسی دستی
تحقیقات در مورد رویکردهای ترکیبی که ترکیب NSCT با تکنیک های یادگیری ماشین را برای رسیدگی به الگوهای نقص پیچیده تر می کند، ادامه دارد.توسعه اضافی بر روی سیستم عامل های هوشمند تجزیه و تحلیل داده برای بینش عمیق تر تولید متمرکز است.
اين سيستم پيشرفت قابل ملاحظه اي در اتوماسيون صنعتي براي توليد الکترونيک هاي دقيق استنشان دادن اینکه چگونه راه حل های تخصصی بینایی کامپیوتری می توانند بر چالش های تولید خاص غلبه کنند و در عین حال بهبود کیفیت و بهره وری قابل اندازه گیری را ارائه دهند.
