Blog

Tecnología clave lidera la innovación, basada en dos módulos de aprendizaje profundo, supervisado y no supervisado, combinados con experiencia práctica, para desarrollar de forma independiente la tecnología central de Inspección de visión industrial Era AI 2.0: "Buen modelo de formación de productos". Se divide en inspección de anomalías e inspección de defectos anormales, que pueden abordar de manera eficiente problemas como muestras de defectos pequeños, ciclos de construcción de modelos largos, baja eficiencia de cambio de producto y procesos de etiquetado complicados. Las principales ventajas de una buena capacitación sobre productos son que los defectos importantes no requieren etiquetado, el modelo del producto se puede cambiar rápidamente, el tiempo de capacitación de muestras es rápido, se pueden detectar defectos desconocidos, el tiempo de recolección de muestras de defectos es corto y no se pasan por alto defectos graves. El modelo de detección de anomalías solo necesita utilizar imágenes de buena calidad para realizar la detección a nivel de píxeles y la clasificación de imágenes completas de defectos conocidos y desconocidos, logrando una rápida verificación en línea. El modelo de detección de defectos anormales está diseñado para abordar escenarios de defectos pequeños agregando datos anotados para optimizar aún más el modelo de detección y mejorar efectivamente la flexibilidad de la detección. La combinación del buen modelo de inspección de productos con los modelos de defectos, modelos de clasificación, modelos de segmentación y modelos de detección de objetos existentes mejora significativamente el rendimiento de detección y las capacidades de reconocimiento integral. No importa el tamaño del defecto, conocido o desconocido, puede lograr una identificación rápida y precisa, reducir la tasa de detección perdida y brindar sólidas garantías para el funcionamiento estable de la línea de producción y la calidad del producto. El modelo de formación bidireccional actualizado puede facilitar mejor inspección de visión industrial y proporcionar una mayor eficiencia de detección.

Los datos de defectos de alta calidad son cruciales para la capacitación y la optimización. Modelos de inspección visual de IA en líneas de producción industriales. Para obtener muestras de defectos raras y de alta calidad para la detección de defectos en la apariencia del producto, se requieren múltiples niveles de esfuerzo.Creación artificial de muestras de defectos de productos: ¡baja autenticidad!Alto índice de rendimiento y bajo índice de defectos, recolección en línea de muestras de defectos: ¡consume mucho tiempo!Cambiar de producto, recoger un gran número de muestras de defectos en un corto período de tiempo: ¡difícil!Los defectos de las muestras son complejos y diversos, y la recolección es engorrosa: ¡baja eficiencia! Generación de defectosMediante el uso de técnicas de modelado de difusión e inspección visual de IA, se pueden simular varios tipos, posiciones y formas de imágenes de defectos con solo una pequeña cantidad de imágenes de muestra mediante algoritmos de difusión hacia adelante y hacia atrás. Las imágenes de defectos simuladas son muy similares en apariencia y características a los defectos reales, lo que proporciona una solución eficaz al problema de la escasez de datos sobre defectos. Papel importante de los nodos clave.Construcción rápida de modelos.Las muestras de defectos raros son pocas y se pueden generar defectos mediante la "síntesis de defectos" para lograr una construcción rápida del modelo en Inspección visual por IA.Despliegue rápido de modelosEl cambio de producto puede utilizar la "síntesis de defectos" para generar rápidamente defectos en productos relacionados para la capacitación de modelos y una implementación rápida.Rápida mejora del modelo.Cuando hay defectos omitidos en la línea de producción, se pueden generar defectos de simulación mediante "síntesis de defectos" para reducir rápidamente los defectos omitidos en la producción. Inteligente, eficiente y fácil de operarLa síntesis de defectos "solo requiere tres pasos para marcar muestras defectuosas, colocar buenos productos y síntesis de defectos para generar una gran cantidad de mapas de defectos de alta calidad, ampliar el conjunto de muestras de entrenamiento, acortar significativamente el tiempo de recolección de muestras y lograr un entrenamiento rápido del modelo.Fuerte rendimiento y ventajas excepcionalesGran aplicabilidad: se puede utilizar para productos y diferentes defectos en múltiples sectores industriales.Gran flexibilidad: elija de forma independiente la ubicación, la cantidad y el tipo de defecto para satisfacer las necesidades personalizadas del usuario.Fácil de operar: generación de mapas de defectos en tres pasos, lo que ahorra significativamente tiempo y costosAlta colaboración: los resultados generados vienen con información de anotaciones, sin necesidad de anotaciones secundarias, y pueden usarse directamente para la capacitación del modelo.Excelente efecto: los defectos generados son muy similares a los defectos reales, lo que mejora en gran medida la eficacia del entrenamiento del modelo en el campo de inspección visual de IA. Generación eficiente de defectos de simulación.Tapa de botella: estampado de logotipoTapa de botella: manchasTapa de botella: punto negroLa IA generativa juega un papel importante en el campo de la visión industrial. A través de la tecnología inteligente de generación de defectos, KeyeTech Skill genera rápidamente una gran cantidad de imágenes de defectos que se acercan a la realidad, resolviendo el problema de las escasas muestras de defectos y la recolección laboriosa y que requiere mucho tiempo, mejorando en gran medida la eficiencia del entrenamiento y la capacidad de generalización del modelo de inspección visual de IA. !Haga clic aquí para más VÍDEOS DE INSPECCIÓN VISUAL AI

La innovación tecnológica es un elemento central en el desarrollo de nuevas fuerzas productivas de calidad. Fortalecer continuamente la innovación en tecnología de inteligencia artificial es esencial para lograr un alto nivel de autosuficiencia y superación tecnológica.Los materiales laborales con mayor contenido tecnológico proporcionan una poderosa fuente de motivación para producir nuevas fuerzas productivas de calidad. KeyeTech está profundamente comprometida con el sector de la inteligencia artificial, explorando e investigando continuamente algoritmos y potencia informática. En 2023, KeyeTech desarrolló con éxito su propio unidad informática de IA, acelerando significativamente el progreso de inspección visual. En 2024, KeyeTech también logró importantes avances en la investigación de algoritmos..."It" el asistente eficiente para anotacionesEn la era del big data, los datos son sin duda un recurso valioso. Sin embargo, anotar de manera eficiente y precisa grandes cantidades de datos se ha convertido en un desafío importante. Los métodos tradicionales de anotación manual son ineficientes y propensos a errores. La aplicación de KeyeTechLa función de anotación automática es como una lluvia oportuna, que abre nuevas puertas para la anotación de datos.La anotación automática se basa en tecnologías de aprendizaje profundo y procesamiento del lenguaje natural, capaces de reconocer automáticamente datos de texto e imágenes. Con solo un clic del mouse, puede identificar y anotar con precisión los defectos de las muestras, lo que mejora en gran medida la eficiencia de la anotación y mejora significativamente la calidad de la anotación."Eso" el administrador de análisis de datosEn comparación con los métodos de entrenamiento tradicionales, Keye Tech pone mayor énfasis en el análisis meticuloso de los datos y en un estricto control de calidad. Solo se seleccionan para el entrenamiento muestras positivas que cumplen con los requisitos, evitando interferencias de datos incorrectos o inesperados durante el entrenamiento del modelo, mejorando así la precisión y confiabilidad del modelo.El núcleo del entrenamiento con muestras positivas radica en su capacidad de aprender de buenas muestras de productos, lo que permite que la máquina identifique con precisión y genere resultados de entrenamiento correctos, mejorando significativamente las capacidades de reconocimiento y Precisión de salida de datos.Un nuevo camino hacia la era inteligenteCon la continua innovación tecnológica y la expansión de los escenarios de aplicación, la inteligencia artificial está demostrando un potencial ilimitado. Para las empresas inteligentes, optimizar las actualizaciones, reformar las innovaciones y la producción de investigación propia son cruciales para el desarrollo y el progreso.De cara al futuro, la inteligencia artificial potenciará ampliamente más campos, inyectando vitalidad a la era inteligente. KeyeTech perfeccionará su "valor de habilidad", desbloqueará su "poder futuro" y continuará profundizando en la inteligencia artificial, embarcándose en un nuevo camino hacia la inteligencia y abriendo un nuevo capítulo de sabiduría. 

Esta es la mejor era para la IAReconocimiento de voz, desbloqueo por reconocimiento facial… La IA ha penetrado en todos los rincones de nuestras vidas. En los últimos años, la aplicación de la IA ya no se limita a la vida diaria; paulatinamente ha comenzado a implementarse en los sistemas de producción de diversas industrias, como inspección visual, clasificación inteligente, envasado automático y más. Sin embargo, para las aplicaciones industriales, integrar la IA en los modelos de producción empresarial para mejorar la eficiencia de la producción no es un proceso sencillo y enfrenta varios desafíos y dificultades. En el sector industrial en materia de inspección visual: Las empresas generan enormes cantidades de datos durante los procesos de producción, pero ¿cómo pueden filtrar datos valiosos? ¿Cómo puede el aprendizaje profundo de la IA mejorar aún más la precisión del control y la inspección? ¿Cómo adquirir y representar el conocimiento de la industria y cómo convertirlo en datos que participen en los cálculos de la IA y creen valor?Estos desafíos en la aplicación de la IA a las industrias requieren innovación continua y actualizaciones de las plataformas de IA para abordarlos.1.Aplicaciones industriales: enormes desafíos de la IAEn el campo industrial, especialmente en la inspección visual, muchas aplicaciones de IA enfrentan la contradicción de tener datos de muestra limitados mientras los requisitos de precisión siguen siendo altos. Varios sensores distribuidos en los equipos de producción generan diariamente grandes cantidades de datos de inspección. Sin embargo, la calidad final del producto está influenciada conjuntamente por miles de parámetros, como los parámetros del proceso, las propiedades de los materiales y el equipo de producción; solo una pequeña proporción de las muestras de datos de inspección es directamente significativa para el análisis de predicción de la calidad.Además, la mayoría de las empresas todavía dependen de la inspección manual, con la preocupación generalizada de que los dispositivos de IA no sean tan flexibles como la inspección humana.Ante estos desafíos para las aplicaciones industriales, existe la necesidad de una máquina de IA integral y eficiente que satisfaga las demandas de diversas industrias de muestras limitadas y alta flexibilidad.2.KeyeTech: capacidad líder en la implementación de IA en la industriaKeye Tech ha desarrollado Equipo de inspección visual de imágenes AI a través de años de innovación y actualizaciones continuas, permitiendo que las máquinas posean capacidades cognitivas y de colaboración similares a las de los humanos. Su plataforma de inteligencia artificial puede simular datos masivos con una pequeña cantidad de muestras, etiquetarlas y analizarlas para construir modelos de inspección. También está equipado con ventajas como alta eficiencia, estabilidad y la capacidad de cambiar entre múltiples modelos, lo que resuelve problemas relacionados con la precisión, eficiencia, seguridad y costos asociados con la inspección manual.01 Guardián de la CalidadA la luz de los datos de muestra limitados que enfrentan las empresas, la plataforma de inteligencia artificial de KeyeTech, basada en aprendizaje profundo, tiene capacidades de aumento de datos que permiten que una pequeña cantidad de muestras simulen datos masivos, construyendo así su propia base de datos de IA. Cuando el equipo está en funcionamiento y detecta un producto defectuoso, elimina rápidamente defecto, asegurando que los productos que salen de fábrica estén libres de defectos. 02 Inspector de imagen profesionalLas fuentes de luz LED personalizadas y las cámaras industriales están equipadas con una plataforma de procesamiento inteligente. Cuando los productos a probar ingresan al área de inspección, la cámara industrial puede capturar múltiples fotografías en aproximadamente 0,1 segundos. A través de Algoritmos de IA, se compara con la base de datos de muestra, simulando procesos de pensamiento humano para realizar inspecciones de calidad en la apariencia del producto. Problemas como bordes negros, deficiencias de material y deformación de las botellas se reconocen y eliminan rápidamente. 03 Guardián de seguridadActualmente, la inspección visual AI de KeyeTech máquina se aplica en industrias como la de embalaje, alimentación, 3C (informática, comunicaciones, electrónica de consumo) y campos médicos. Al aprovechar la IA para la inspección y clasificación de la calidad, se puede reducir la cantidad de personal de inspección en dos tercios. 

En los últimos años, el concepto de IA ha sido ampliamente aceptado por el público y Inspección visual con IA Poco a poco se está aplicando en el sector industrial para la detección de defectos de apariencia del producto. Los defectos de apariencia en los productos pueden afectar negativamente la estética, la comodidad y el rendimiento general. Por este motivo, las empresas fabricantes se esfuerzan por detectar estos defectos con prontitud, lo que les permite controlar la calidad y mejorar el valor añadido del producto.Si bien a menudo se enfatiza la importancia de los algoritmos en la inspección visual de IA, la fuente de iluminación afecta directamente la calidad de la imagen. La función principal de la iluminación en los equipos de inspección visual de IA es superar la interferencia de la luz ambiental, garantizando la estabilidad de la imagen y logrando el mayor contraste posible. Las imágenes de alto contraste facilitan la detección de defectos del producto.En Keyetecnología, nuestro equipo de reconocimiento de imágenes AI no solo emplea algoritmos basados en aprendizaje profundo sino que también presenta nuestro sistema de imágenes ópticas de desarrollo propio. Diseño de ángulos e intensidad de imágenes en el espacio 3D.Actualmente, nuestros dispositivos de reconocimiento de imágenes con IA utilizan un sistema de imágenes ópticas donde las configuraciones de las fuentes de iluminación se clasifican según los métodos de iluminación: iluminación de campo brillante y de campo oscuro, luz estructurada y luz estroboscópica. Estos métodos funcionan en conjunto con las características internas y de superficie de los objetos que se inspeccionan, lo que permite un análisis relacional integral. Al proyectar la fuente de luz sobre los objetos inspeccionados y analizar las distorsiones producidas, podemos demodular la información 3D de los objetos, lo que permite la ubicación precisa de los defectos del producto. Imágenes multiespectrales del ultravioleta al infrarrojoclaveTEl sistema de imágenes ópticas de ech emplea un espectro completo de ultravioleta a infrarrojo, incluidos métodos polarizados y fluorescentes, para lograr una detección integral de 360° de los objetos. Los defectos invisibles a simple vista se pueden revelar con total claridad, asegurando que no haya puntos ciegos ni áreas pasadas por alto. Eficiente energéticamente y duraderoNuestro sistema de imágenes ópticas utiliza iluminación LED, que es compacta, energéticamente eficiente y presenta tiempos de respuesta rápidos. También ofrece excelente monocromaticidad, alta confiabilidad y salida de luz uniforme y estable, lo que facilita su integración para obtener resultados óptimos de imágenes en los productos.

Según las estadísticas, la tasa de crecimiento de la producción en la industria de bebidas se ha mantenido generalmente entre el 10% y el 20% desde 2001. La fuerte demanda en el mercado de bebidas ha traído importantes beneficios a la industria de tapas de botellas. Según un informe de Market Research Future, se estima que el mercado mundial de límites y cierres alcanzará aproximadamente los 91.7189 millones de dólares en 2030, de 2022 a 2030. Para muchas empresas de tapas de botellas, que se enfrentan a un mercado tan amplio, las líneas de producción están evolucionando gradualmente hacia la digitalización y la informatización. Entre estos avances, los equipos inteligentes de producción y procesamiento brindan soporte técnico crucial para lograr tapas de botellas "no destructivas" y "precisas". La inspección de calidad en la industria de tapas de botellas necesita potenciación de la IACon el desarrollo gradual de líneas de producción inteligentes en las empresas de tapas de botellas, la demanda de tecnología de visión artificial se ha vuelto cada vez más común. Durante el proceso de producción de tapas de botellas, son inevitables defectos como puntos negros, espacios, rebabas y deformaciones. Depender de la inspección manual o la inspección visual tradicional dificulta satisfacer las crecientes demandas de calidad de las empresas. Los pequeños rayones o pequeños huecos en las tapas suelen ser difíciles de detectar. El proceso de inspección manual lleva mucho tiempo y es costoso, pero a menudo no cumple con los estándares de detección. Esto da como resultado directamente una calidad inconsistente del producto en el momento de la entrega, lo que lleva a una baja eficiencia. Por lo tanto, el Inspección de calidad impulsada por IA se ha convertido en una tendencia inevitable para que las empresas ahorren costos y mejoren la productividad. La potenciación de la IA hace que la inspección de tapas de botellas sea más eficienteAunque las tapas de las botellas son pequeñas, desempeñan un papel crucial en el envasado de alimentos y bebidas. No sólo hacen que los productos sean más fáciles de transportar y previenen la exposición directa al aire externo, sino que también actúan como "guardianes del sabor" en el ámbito de las bebidas carbonatadas, asegurando que el dióxido de carbono no se escape. En consecuencia, detectar defectos en las tapas es especialmente importante, ya que la calidad de la inspección impacta directamente en la calidad de los procesos posteriores de llenado de bebidas. Las tapas de botellas producidas por máquinas de moldeo por inyección inevitablemente presentan defectos como puntos negros, diferencias de color, impurezas, roscas, anillos de sellado, anillos rotos, espacios, rebabas, deformaciones, dimensiones, juntas, sellos internos, números de molde, etc. Estos defectos pueden variar y pueden aparecer en diferentes partes de la tapa, como los lados, la parte superior o las áreas cóncavas. Por lo tanto, apoyándose en visión manual La inspección por sí sola puede conducir fácilmente a una detección omitida o incorrecta. KeyeTech emplea Inspección de visión de imagen AI adaptados a las características del producto y requisitos de detección del cliente, creando planes de inspección personalizados. Antes de realizar las pruebas, se recolectan, etiquetan y utilizan muestras de tapas de botellas para optimizar los modelos de entrenamiento. En función de las necesidades reales del cliente, se establecen modelos de implementación de algoritmos. Durante el proceso de inspección, iluminación uniforme y cámaras industriales capturan e identifican la apariencia externa, mientras el sistema de software clasifica y toma decisiones. Cuando una tapa de botella ingresa al área de inspección a través de un dispositivo de alimentación de tapas, la fuente de luz y la cámara se activan para capturarlo e identificarlo. El sistema de software clasificará y decidirá el límite según el modelo entrenado. Si se detecta un producto no conforme, mostrará "NG" (no es bueno) y emitirá un comando de eliminación; si es un producto conforme, mostrará "OK" y lo contará para clasificarlo en cajas. La calidad determina el desarrollo de una empresa y la buena calidad del producto mejora la eficiencia corporativa. KeyeTech se compromete a implementar IA para garantizar la calidad de las empresas, convirtiéndose en guardián de la calidad en industrias especializadas.    

La moderna tecnología de visión por computadora basada en inteligencia artificial y métodos de aprendizaje profundo ha logrado avances significativos en la última década. Hoy en día, se utiliza ampliamente para la clasificación de imágenes, el reconocimiento facial y el reconocimiento de objetos dentro de imágenes. Entonces, ¿qué es exactamente el aprendizaje profundo? ¿Cómo se aplica el aprendizaje profundo en visual inspección?¿Qué es el aprendizaje profundo?El aprendizaje profundo es una rama de las técnicas de aprendizaje automático que consta de clasificadores construidos a partir de redes neuronales artificiales. El principio detrás de esto es enseñar a las máquinas a aprender a través de ejemplos. to proporcionare Ejemplos etiquetados de tipos específicos de datos para la red neuronal. El modelo extrae patrones comunes de estos ejemplos y los convierte en un modelo de red neuronal que contiene esta información, lo que ayuda a clasificar la información obtenida en el futuro.La inspección visual basada en tecnología de aprendizaje profundo puede lograr localización, diferenciación de defectos, reconocimiento de caracteres y más, simulando la inspección visual humana durante la operación. W¿Qué significa esto realmente? Por ejemplo, si queremos crear imágenes inspección software para inspeccionar baterías de litio, necesitamos desarrollar un algoritmo basado en aprendizaje profundo y entrénelo utilizando ejemplos de los defectos que deben detectarse. Con los datos de los defectos, la red neuronal finalmente los detectará sin instrucciones adicionales.Visual inspección sistemas basados en aprendizaje profundo son expertos en detectar defectos con características complejas. Pueden abordar no sólo defectos complejos de superficie y apariencia, sino también generalizar y conceptualizar la superficie de las baterías de litio.¿Qué es una red neuronal convolucional?Cuando se trata de visuales inspección Residencia en En el aprendizaje profundo, la tecnología más comúnmente mencionada es la red neuronal convolucional (CNN). Entonces, ¿qué es exactamente una CNN?Una red neuronal convolucional, o CNN, posee características especiales que retienen información espacial en la red, lo que la hace más adecuada para problemas de clasificación de imágenes. Sus principios están inspirados en datos biológicos de la visión humana, donde la visión se basa en múltiples capas corticales y cada capa reconoce información estructurada cada vez más compleja. Lo que percibimos consta de muchos píxeles individuales; luego, se reconocen las composiciones geométricas a partir de estos píxeles, seguidos de elementos más complejos, como objetos, rostros, cuerpos humanos y animales.Kojo La tecnología Imagen visual de IA inspección utiliza una red neuronal convolucional, centrándose más en cascadas de redes, diseñando diferentes métodos de redes en cascada adaptados a diferentes escenarios, que reflejan con precisión las características de la imagen para mejorar la precisión durante la visualización. inspección.Cómo integrar un visual de IA inspección ¿Sistema?01 Requisitos CaclaraciónIntegrando un visuales de IA inspección sistema Por lo general, comienza con un análisis comercial y técnico. En primer lugar, es fundamental aclarar qué tipos de defectos debe detectar el sistema y en qué condiciones ambientales se utilizará.02 Recopilación y preparación de datosAntes de desarrollar un aprendizaje profundo modelo, es necesario recopilar y preparar datos. Keye Technology ha creado una biblioteca de algoritmos rica y sólida a lo largo de más de una década de desarrollo y optimización continuos. Cuando se enfrenta a la inspección de nuevos productos, la biblioteca de algoritmos se puede aprovechar para el aprendizaje incremental/por transferencia, donde se agrega una pequeña cantidad de muestras nuevas a los resultados de la capacitación original, lo que acorta significativamente el tiempo de capacitación para nuevos productos y permite un aprendizaje rápido.03 Capacitación y EvaluaciónDespués de recolectar las nuevas muestras, el siguiente paso es entrenar, validar y evaluar el rendimiento y la precisión de los resultados del modelo.04 Implementación y mejoraAl implementar un visual inspección modelo, es crucial considerar cómo la arquitectura del sistema de software y hardware corresponde a la capacidad del modelo.Casos de aplicación de AI Visual inspección SistemasContenedores de embalaje: Adecuados para el control de calidad de productos, utilizados para detectar defectos externos como puntos negros, rebabas, espacios y números de molde.Baterías de litio: En la producción de baterías de litio, a menudo se producen defectos comunes como poros, agujeros de arena, rayones, irregularidades y soldadura inadecuada durante procesos como la soldadura de pernos de sellado y la soldadura de la cubierta superior. 

Con la rápida implementación de la tecnología de inteligencia artificial y el desarrollo continuo de la industria de los robots inteligentes, máquinas de inspección visual están desatando una vitalidad aún más fuerte. La estructura típica de equipo de inspección visual El diseño consta principalmente de cinco partes, a saber: iluminación, lentes, cámara, adquisición de imágenes y unidades de hardware informático. ¿Qué es la inspección visual?Sistema de inspección visual se refiere al uso de productos de visión artificial (es decir, dispositivos de captura de imágenes, divididos en CMOS y CCD) para convertir el objetivo capturado en una señal de imagen, que se transmite a un sistema de procesamiento de imágenes dedicado y se convierte en una señal digital basada en la distribución de píxeles. brillo, color y otra información; El sistema de imágenes realiza varias operaciones en estas señales para extraer características del objetivo y luego controla las acciones del equipo en el sitio en función de los resultados de la discriminación.  Proceso de personalización del sistema visual.1. Pruebas de softwareEl proceso cíclico de garantizar la corrección de los procesos de software y las relaciones lógicas de aplicación correctas, descubrir vulnerabilidades en el sistema, realizar modificaciones de investigación y desarrollo y verificar pruebas.2. Pruebas de hardwareRealice pruebas de confiabilidad del hardware en el propio hardware (pruebas de envejecimiento, pruebas de compatibilidad, pruebas de tasa de fallas) y el entorno para determinar si el software puede ejecutarse en múltiples entornos de configuración de hardware.3. Prueba de depuración conjuntaPruebe la función de depuración conjunta de software y hardware para verificar la exactitud de la lógica de comunicación de señales eléctricas y de software, la fuente de luz, la cámara y otras funciones de activación de hardware como fotografía y escaneo, así como las estadísticas de los resultados de detección.4. Prueba de modelo Centrarse en las pruebas funcionales, las pruebas de rendimiento, la evaluación de los indicadores del modelo y el análisis de los resultados de los indicadores del modelo.  ¿Cómo realizar pruebas del sistema de inspección visual?Requerimientos del clienteTipo de aplicación: comprenda de manera precisa y detallada los cambios en los estándares de prueba de productos, las dimensiones externas y otros factores que afectan las pruebas, y evalúe preliminarmente si pueden cumplir con los requisitos.Requisitos de etapa: demandas de los clientes sobre eficiencia de inspección visual, cuantificando el tiempo requerido para los pasos de inspección visual.Requisito de precisión: controlar la precisión de la detección de defectos del producto.Espacio de instalación: Confirme si existen restricciones en la instalación de equipos visuales en el entorno del sitio. Cdiseño conceptualAnálisis de requisitos: Organice los requisitos clave del cliente y analice su viabilidad.Diseño de hardware: Selección de plataforma del sistema visual, cámara, lente y fuente de luz.Diseño de software: utilice software visual de terceros o desarrolle software de procesamiento visual de forma independiente.Verificación de viabilidad: configure entornos de software y hardware, personalice las interfaces de interacción persona-computadora y realice pruebas preliminares para determinar si pueden satisfacer las necesidades del cliente. Implementación de algoritmosDesarrollo de plataforma en la nube: recopile imágenes de muestra de defectos de productos, cargue y almacene imágenes, seleccione imágenes, anote, cargue, entrene, pruebe, optimice y aplique. 

Al encontrar defectos en botellas, tapas, pajitas, etc.¿Qué métodos de prueba conoces?¿Reconocimiento del ojo humano? caza de fugas?¿Pero sabías que este método tiene una tasa de detección falsa muy alta?¿Existe un método de detección seguro y eficiente?Un grupo de pioneros innovadores ha encontrado la respuestaDetección visual de defectos por IADe la verificación manual a la inspección visual tradicional y luego a la IA, la revolución de la tecnología de detección de defectosAntes de Inspección visual de defectos con IA Cuando se desarrolló el esquema, la detección de defectos en los envases, como puntos negros, suciedad, bordes rebajados y materiales faltantes en las botellas de bebidas, se basó principalmente en la inspección manual. Ante un trabajo repetitivo de alta intensidad, la inspección manual inevitablemente conduce a errores y, cuando surgen nuevos problemas de defectos, es difícil para las personas identificarlos de manera efectiva y rápida.Sin embargo, el entorno del mercado es ferozmente competitivo e incluso el 0,1% de los defectos del producto no están permitidos. Para garantizar una alta calidad de los productos en producción, se deben utilizar soluciones de detección de defectos más eficientes. Frente a la demanda urgente del mercado, Keye Technology se ha centrado en campos segmentados en la última década y ha desarrollado con éxito soluciones diversificadas de detección visual de defectos mediante IA, liderando el mundo en tecnología de detección de defectos. KeyeTech, un socio profesional en campos de visión segmentadosEn comparación con las soluciones de detección tradicionales, Keye adopta la detección visual de defectos por IA. Ante nuevas necesidades de detección de defectos, no es necesario sustituir el equipo. En cambio, es necesario muestrear, etiquetar y entrenar los nuevos defectos, y los datos se cargan en la plataforma en la nube para desarrollar plantillas de detección. Cuando está en uso, se pueden recuperar las plantillas de detección correspondientes para garantizar una producción estable. Además de tener funciones de detección como puntos negros, suciedad, rebabas, materiales faltantes y números de modelo de fábrica, el Equipo de detección visual de defectos Keye AI También puede contar y procesar productos calificados. Al mismo tiempo, también es compatible con la detección de defectos de diferentes tamaños de tapas de botellas, logrando un trabajo verdaderamente eficiente con un solo dispositivo.  Hoy en día, más de 2000 empresas en todo el mundo utilizan el equipo de detección visual de defectos mediante IA de Keye. Detrás de este logro no sólo se encuentra el resultado de la búsqueda definitiva de tecnología por parte de Keye, sino también un reflejo del fuerte sentido de responsabilidad social de KeyeTech.Obtenga más videos de KeyeTech en Youtube. 

Implementando sistemas de inspección visual se ha convertido en la primera opción para que las empresas manufactureras transformen la inspección de calidad y mejoren la calidad del producto. Sin embargo, las empresas que no están familiarizadas con los equipos de inspección visual suelen tener ciertos malentendidos sobre el valor de los mismos. equipo de inspección visual a la hora de elegir. Hoy resumiremos varios tipos de problemas que enfrentan las empresas sobre cómo elegir máquinas de inspección visual y sistemas.     Pregunta: ¿Si una máquina puede inspeccionar todos los productos? No, no es posible. Si una empresa quiere comprar un conjunto de equipos de inspección visual de IA para probar todos sus productos, no es factible en esta etapa.   Aunque el equipo de inspección visual de IA es compatible, tiene una variedad de requisitos para las especificaciones del producto. Actualmente, muchas empresas manufactureras tienen una amplia gama de productos, y productos con diferentes materiales, formas y tamaños requieren diferentes fuentes de luz, cámaras y algoritmos.     La detección visual de imágenes Keye AI tiene cierto grado de compatibilidad, pero los dos productos difieren mucho y también es difícil lograr una compatibilidad completa. El equipo de inspección visual de tapas de botellas es compatible con dos productos con una diferencia de altura no mayor a un tercio y una diferencia de ancho no mayor a la mitad, y no existen tapas irregulares. Si la diferencia de altura o ancho es demasiado grande, el uso del mismo equipo para la inspección afectará la calidad final de la fábrica. Son necesarias soluciones personalizadas basadas en las características del producto para garantizar la calidad de fábrica del producto.     Pregunta: ¿Establecer estándares de prueba excesivamente altos conducirá a una tasa de rendimiento baja? Sí. Algunas empresas fabricantes, al comprar sistemas de inspección por visión, no establecen requisitos de inspección basados en la situación real y los estándares de aceptación de la empresa, sino que utilizan estándares teóricos para desarrollar estándares de inspección. Finalmente, durante la depuración y ejecución, se descubrió que la tasa de rendimiento era demasiado baja y que el sistema de inspección visual no era lo suficientemente preciso. De hecho, este tipo de problema se debe al uso de estándares ultraaltos inútiles. Las empresas deben desarrollar estándares de prueba basados en situaciones reales, aumentar los elementos de prueba de manera adecuada para mejorar los estándares de prueba, mejorar la calidad del producto y mantener la competitividad en el mercado.   Pregunta: ¿El valor de los sistemas de inspección visual sólo se refleja en la reducción de los costos laborales? No, no es. Un conjunto de equipos de inspección visual de IA no solo ahorra costos laborales, sino que también reduce los costos operativos de las empresas. Para mejorar la eficiencia, las empresas suelen optar por equipos automatizados para reemplazar la mano de obra, lo que no sólo mejora la capacidad y la calidad de producción, sino que también reduce los costos operativos. Equipo de inspección visual de imágenes de IA de Keye en una sola línea de producción puede ayudar a las empresas a ahorrar entre 3 y 5 miembros del personal de inspección y garantizar estándares uniformes de calidad del producto, mejorando el reconocimiento de la empresa por parte de los clientes. En términos de costos operativos, la detección visual de imágenes de IA de Keye ha desempeñado un papel más importante. Por ejemplo, la inspección visual de las botellas puede vender directamente productos calificados después de la inspección, y los productos defectuosos que se han eliminado se pueden procesar o reutilizar. El valor del producto se puede diversificar y maximizar.       Pregunta: ¿Se puede utilizar un sistema visual para alta producción? Se sugiere utilizar, pero depende de la situación comercial de la empresa. De hecho, una producción grande es más adecuada para elegir un sistema de inspección visual. Desde la estrategia de desarrollo a largo plazo de las empresas, las pruebas manuales tienen una velocidad limitada, baja eficiencia y son más adecuadas para utilizar equipos automatizados para pruebas en grandes cantidades. Aunque algunos productos individuales tienen un valor bajo, el uso de la inspección visual manual puede resultar en inspecciones falsas o omitidas. Si los productos se encuentran en manos de empresas transformadoras y no cumplen con los estándares, estas pueden optar por devolverlos, causando ciertas pérdidas a la empresa. Con el tiempo, esto no favorece el desarrollo a largo plazo de la empresa. Por lo tanto, cuando el volumen de producción de los productos de la empresa es grande, se recomienda elegir equipos de inspección visual. Una inversión puede beneficiar a la empresa durante toda la vida.     Por lo tanto, la elección de equipos de inspección visual de IA por parte de las empresas no es una manifestación directa de alta calidad. Solo haciendo un uso razonable de los sistemas de inspección visual de IA para controlar la calidad del producto y eliminar eficazmente la salida de productos defectuosos podremos evitar quejas de los clientes finales y ganarnos su confianza en la empresa.    

La nueva generación sistema de inspección visual de defectos de Keye es el primer software de algoritmos en China que adopta algoritmos de IA para la industria del embalaje. Actualmente, el algoritmo de este software se ha actualizado a KVIS-V16.0. La característica más importante de este sistema de detección es la rápida eficiencia de detección de defectos y la alta compatibilidad. Con la creciente segmentación del mercado, los productos de embalaje son cada vez más personalizados y personalizados. Cada empresa de producción de envases debe lanzar productos diversificados según las necesidades del mercado y del cliente. Por ejemplo, nuestra empresa ha detectado más de cien tipos de tapas de botellas de plástico y más estilos de botellas. Esto hará que los equipos y sistemas de detección tradicionales enfrenten grandes dificultades en la detección de defectos del producto. La característica más importante del sistema Keye es que puede ser compatible con diferentes estilos de productos y se pueden probar varios productos en el mismo dispositivo. La máquina de inspección de tapas de botellas. pudiendo conseguir una total compatibilidad con tapones de diferentes colores, tamaños e incluso tapas transparentes y opacas. El máquina de detección de botellas puede ser compatible con botellas de diferentes materiales, como PET, PP, PE, PS, etc. El sistema puede detectar diversos defectos en los productos, como color, estructura, clasificación, etc.  ¿Cómo lo hicimos? En primer lugar, contamos con fuentes de luz y sistemas de imágenes personalizados. Nuestro equipo óptico está dirigido por el Profesor TANG LING de la Universidad de Ciencia y Tecnología de China (USTC), y también estamos afiliados al Laboratorio de Óptica Key Mode de la Universidad de Ciencia y Tecnología de China, lo que brinda un sólido soporte técnico para nuestro diseño e investigación. Actualmente, ocupamos una posición de liderazgo en China. Nuestra empresa ha desarrollado de forma independiente varias cámaras lineales, planas, 3D e inteligentes, combinadas con nuestros algoritmos inteligentes de desarrollo propio, que pueden lograr la optimización del sistema.  La segunda es la unidad informática de borde desarrollada independientemente por nuestra empresa, que es una plataforma informática integrada de alto rendimiento para escenarios industriales. Todos los algoritmos están dirigidos y desarrollados por el Dr. ZHENG ZHIGANG de la Universidad de Ciencia y Tecnología de China (USTC). La rica base de información informática hace que nuestro equipo de algoritmos lidere a sus pares en China. Una plataforma de big data basada en el aprendizaje profundo de IA, con múltiples componentes algorítmicos integrados, puede ayudar a los usuarios a construir e iterar modelos rápidamente.  Finalmente, nuestro sistema de control de software adopta el último sistema informático LINUX de grado industrial y un sistema de interacción hombre-máquina personalizado, que es estable, eficiente y en tiempo real.

Actualmente existen tres métodos de inspección en la producción de envases de plástico. La primera es la inspección manual tradicional, que detecta defectos en el producto mediante la observación ocular. El segundo es la inspección por visión artificial, que se basa en algoritmos tradicionales. El tercero es el último. Sistema de inspección visual con algoritmo de IA. Con los crecientes requisitos de calidad para los productos de embalaje en la industria global, la eficiencia de la inspección de defectos también será más estricta. A continuación compararemos varios métodos de prueba existentes, que ayudarán a las personas a encontrar el método de prueba adecuado para cumplir mejor con los requisitos de calidad y reducir los costos operativos de la empresa.  Debido a factores subjetivos, baja eficiencia y susceptibilidad a la fatiga, la inspección visual manual no puede garantizar la eficiencia y la estabilidad a largo plazo.Algoritmos tradicionales inspección de la visión Tiene muchos parámetros y depende en gran medida del personal de depuración profesional. Poca adaptabilidad, alta tasa de detección falsa y al mismo tiempo garantiza la precisión de la detección, lo que resulta en una baja eficiencia de detección.Aprendizaje profundo Sistema de inspección por visión AI permite a las máquinas aprender los patrones inherentes y los niveles de representación de los datos de muestra, lo que les permite tener la capacidad de analizar, aprender y razonar lógicamente como los humanos. Excelente rendimiento y estabilidad a largo plazo, con precisión de detección eficiente.  Humano La inspección visual tiene una tasa de reconocimiento de colores relativamente baja, que se ve fácilmente influenciada por la psicología humana y no se puede cuantificar. Luego, se puede cuantificar la discriminación de color por detección automática. Por ejemplo, los ojos humanos solo pueden reconocer 64 escalas de grises y las máquinas tienen una gran capacidad de reconocimiento de escalas de grises. Actualmente, generalmente se utilizan 256 niveles de escala de grises y el sistema de adquisición puede tener niveles de escala de grises como 10 bits, 12 bits y 16 bits. La resolución de los ojos es pobre y no pueden ver objetivos pequeños con alta resolución. Las máquinas pueden observar objetivos a nivel micrométrico, pero el ojo humano tiene una velocidad de observación lenta. La persistencia visual de 0,1 segundos dificulta que el ojo humano vea con claridad objetivos que se mueven rápidamente. Por otro lado, las máquinas tienen una velocidad rápida, con un tiempo de obturación de aproximadamente 10 microsegundos y una velocidad de cuadro de cámara de alta velocidad de más de 1000. La velocidad del procesador es cada vez más rápida y el alcance del ojo humano es estrecho. Los dispositivos de luz visible en el rango de 400 nm a 750 nm tienen un amplio rango de detección, que va desde espectros ultravioleta hasta infrarrojos. La inspección visual humana tiene poca adaptabilidad al medio ambiente y existen muchas situaciones que pueden causar daño a las personas. La inspección por visión artificial tiene una gran adaptabilidad al medio ambiente y también se pueden agregar dispositivos de protección. La detección del ojo humano tiene poca precisión y no se puede cuantificar. Visión de máquina Tiene alta precisión y puede alcanzar el nivel micrométrico, lo que facilita su cuantificación. Depender de la detección humana también tiene otra subjetividad, influencia psicológica y fatiga.  A partir de los datos y análisis anteriores, se puede ver que reemplazar la inspección visual humana con inspección por visión artificial será una tendencia, especialmente con el continuo aumento de los costos laborales en todo el mundo. Ya sea desde la perspectiva de los costos de producción, los estándares de gestión o la eficiencia de la detección, la nueva generación de Inspección visual del algoritmo de IA se verá favorecido por el mercado. Actualmente, el sistema de inspección visual respaldado por la última generación de algoritmos de IA de clave ha sido cada vez más reconocida por más clientes en los mercados nacionales e internacionales, y se ha convertido en una empresa líder en las industrias de botellas de plástico, tapas, impresión y otras. Al mismo tiempo, ha desempeñado un buen papel a la hora de promover el aterrizaje real de la inteligencia artificial en el mercado de la inspección de envases.