把所有好的東西放到籃子內
利用人工智能实现基于图像的自动检测
对产品的高要求以及时间和成本的高压力是所有行业和部门的决定性竞争因素。无论是在食品行业还是汽车行业--质量、安全和速度在今天比以往任何时候都更成为决定公司成功的因素。零缺陷生产是目标。但如何保证只有完美无瑕的产品才能离开生产线呢？如何避免错误的质量决策，导致成本無法降低？为了可靠地检测，在质量保证方面采用了多种方法。
用人眼目测是可以的，但往往容易出错，而且成本很高：眼睛疲劳，工作时间成本很高。另一方面，為了检测每一个错误，机械测试通常伴随着复杂的校准，设置和调整软件和硬件的所有参数。 此外，产品或材料的变化也需要重新校准。此外，如果采用傳統、基于规则的方法，程序员或图像处理器必须为系统专门编写规则，向系统解释如何检测错误。这是一個極為复杂，而且误差变化很大，往往是一个难以解决的艰巨任务。所有这些都会花费过多的时间和金钱。为了使质量检测尽可能地高效、简单、可靠和具有成本效益，德国 sentin GmbH 公司开发了使用深度学习和 IDS 的工业相机的解决方案，以实现快速和强大的错误检测。
这是因为，与传统的图像处理不同，神经网络会根据图像本身来学习识别特征。这正是 intelligent sentinVISION系统的做法。 sentin VISION系统使用基于人工智能的识别软件，可以使用一些样本图像进行训练。配合IDS的GigE Vision CMOS工业相机和一个评估单元，它可以很容易地嵌入到现有的流程中。
應用
该系统能够对物体、图案甚至缺陷进行分割。 即使是难以探测的表面，也无法阻止系统的运行。例如，在汽车工业（金属表面的缺陷检测）或陶瓷工业（通过使反射和镜面上的凹痕可见的缺陷检测），也可以在食品工业（物体和模式识别）中找到傳統应用。
根据不同的应用，人工智能被训练成能夠检测错误或异常。有了后者，系统就能学会区分好的和坏的部分。例如，如果对表面结构进行检测，参见汽车行业中的金属部件或陶瓷部件，人工智能会检测出误差，作为与参考图像对比的偏差。通过使用异常检测和预先训练的模型，系统只需根据几个样本图像就能检测出异常的好部件。
培训和评估所需的硬件设置包括一台IDS工业相机和适当的照明。所用的识别模型是利用参考图像进行训练的。例如，针对纺织行业布网易出错的检测，配置了一套系统和人工智能模型。是一项艰巨的任务，因为错误可能非常主观，而且非常小。根据客户的具体要求，与IDS一起选择了用于纺织品和卷材最佳图像材料的系统摄像机。选用了GigE Vision CMOS相机（GV-5880CP），该相机可提供高分辨率数据，通过精确的时间触发，实现精确的图像评估。
系统会学习什么是 "好 "的面料结构，从几张面料的照片中就已经知道干净无瑕的产品是什么样子。在质量检测方面，IDS Vision CP摄像机拍摄的图像会通过GigE接口转发到用於评估的计算机，并通过识别模型进行处理。然后，这台计算机可以可靠地区分好/坏的部分，并突出偏差。当发现错误时，它会给出一个输出信号。这样一来，滑移和假性拒收就可以快速、轻松地减少。滑点是指不符合标准的产品占比，但由于被忽视，因此没有整理出来，往往导致客訴。而伪废品则是指那些符合质量标准，但却被错误地分拣出来的产品。
系统的硬件和软件都很灵活。对于多个或更宽的网络，可以很容易地将额外的摄像机集成到设置中。如果有必要，软件还可以对AI模型进行后期训练。"经验只能顯示，個別环境的原因，后期持續的訓練還是必要的。有了我们产品组合中的预训练模型，你需要更少的参考图像来进行个性化和后期训练，"sentin的首席执行官兼联合创始人Christian Els解释道。在这种情况下，图像显示的是织物的结构表面和其上的一个小的异常，在右边的图像中被过滤掉了。
相机
极为准确的图像采集和精确的图像评估是对所使用的相机最重要的要求之一。完全适合。GigE Vision CMOS 相機 GV-5880CP.该机型采用了1/1.8英寸滚动快门CMOS传感器索尼IMX178，可以实现6.4MP（3088×2076 px，宽高比3:2）的极高分辨率。它在全分辨率下可提供高达18帧/秒的帧率，因此是质量控制中可视化任务的理想选择。索尼STARVIS系列的传感器采用BSI技术，是IDS相机组合中感光能力最强的传感器，每秒不到2个电子，接近SCMOS（科学CMOS）系列。即使在光照严重不足的条件下，该款相机也能捕捉出色的图像。由于使用1 / 1.8“传感器尺寸，GV-5880CP 相机型号可以使用各种C接口的镜头。sentin公司技术经理Arkadius Gombos表示："除了分辨率和帧率，接口和价格是决定这款相机的决定性因素。通过GenTL和Python接口与sentin VISION系统进行整合。
与IDS开发部门的直接交流帮助我们缩短了摄像机集成所需的时间。
總結
与人类视觉检测或传统的机器视觉应用相比，基于图像的自动化人工智能质量控制具有许多优势。"在基于人工智能的图像解读中，目的是创建人类可以看到错误的图像，因为这样人工智能模型也可以做到这一点。"Christian Els总结道。系统学习识别产品类似于人類的要求，但在一致性和可靠性方面，人脑随时被人工智能打败。即使大脑具有非凡的性能，人工智能也能识别更复杂的错误模式。而人的眼睛，在疲劳和视力方面是经不起任何相机的比較。因此，结合深度学习识别软件，图像处理系统可以实现特别快速和准确的检测。根据不同的应用，图像采集和评估可以在几毫秒内完成。
该系统还可以应用于其他领域，如表面检测。类似的应用还有例如哑光金属/涂层表面（汽车内饰）、天然材料（石材、木材）或技术纺织品（如皮革）的测试。消费品上的划痕、裂纹和其他缺陷可以被检测出来，并对相应的产品进行整理。
"把好的放进盆子里，坏的放进锅里"--这是质量保证框架内不可或缺的过程。IDS摄像机与sentin GmbH的深度学习支持软件相结合，显著优化了质量控制中的缺陷和物体检测。这使得各行业、各领域的客诉，返工以及誤判拒收的人员和时间支出大大减少。
USB 3 uEye CP–快速、可靠和出色的传感器
- 接口：GigE
- 型号： GV-5880CP
- 传感器类型： CMOS
- 生产商： Sony
- 帧率： 18.0fps
- 分辨率：3088 x 2076像素/641万像素
- 捲帘快门：卷帘快门
- 芯片尺寸:1/1.8"
- 尺寸： 29.0 mm x 29.0 mm x 29.0 mm
- 重量： 51g
- 连接器：GigE RJ45，螺丝锁紧式
- 应用领域：工业BV交通和运输(ITS)，医疗技术(和实验室自动化)，计量学，天文学。
客户
sentin团队由经验丰富的开发人员和工程师组成，他们可以回顾与博世力士乐、空客防务和空间公司或奥迪公司等行业巨头的共同历史。该公司专注于材料和产品的视觉和图像检测，为此，他们为最不同的经济部门提供独特的产品，并专门开发了软件解决方案。
