AI质检平台“用简单操作解决复杂问题”

加入高工机器人专业行业群，加微信：13692257554，出示名片，仅限机器人及智能制造产业链相关企业。

*本文共约 1558 字，阅读完成需 4 分钟。

“AI+3D视觉时代，工业机器人产生大量新应用，智能化技术实现了工业机器人在泛行业泛应用方面的全面落地，如拆码垛、抓取、拣选、检测等诸多场景背后可依托相同的机器视觉算法技术栈和软件能力。”梅卡曼德CEO邵天兰判断。

其中，质量检测是制造业进程中必不可少的一步，但质检问题复杂、多样、且多变。当前制造业大量的质检工作仍然依靠人眼目视来完成——这一工作劳动强度大、人员招工难、专业度不高，并且很难保证质检标准稳定和一致。

为解决这一行业痛点，梅卡曼德日前正式发布了AI质检平台软件Mech-DLK，其内置多种强大的深度学习算法，且有简单的图形化界面。用户通过简单操作，即可使用先进的人工智能技术高效解决各类复杂质检问题，提升生产效率和质量，降低用工成本。

目前，Mech-DLK已经成功将AI质检应用于新能源、3C电子、PCB（印刷电路板）、汽车、日用品等行业。

Mech-DLK四大功能模块

图像分类

可指定类别后判断物体状态、类别，例如物体有无检测、正反面检测，缺陷分类等。

目标检测

确认图像中指定物体的类别、位置、数量。

语义分割

像素级图像分类，可应对精细程度高、形状不规则的缺陷。

实例分割

从大量堆积的物品中识别并找出指定物体，标注出物体的轮廓及类别。

技术优势

高精度算法自研高精度深度学习检测算法，可应对多种检测类应用，减少参数数量的同时保证缺陷检测准确率。
支持小样本数据
依靠先进的数据倍增方式，Mech-DLK可快速整合图像数据，少量样本即可完成模型训练。
先进的训练过程基于自主设计的先进损失函数，自适应调整正负样本平衡策略，使训练收敛更快。

功能优势

操作简单
图形化界面功能完善且操作便捷，用户无需专业技能即可实现多种深度学习应用；
采用数据列表、图片备注等功能，便于数据的导入、查找和管理；
便捷的标注方式，大幅提升操作效率。

高效部署
支持级联多个深度学习模型，部署复杂的检测类应用只需一个模型包。

验证结果可视化
支持模型验证，对比标注结果大幅提升视觉方案验证效率。

开放易用
支持使用 Mech-Vision 图形化机器视觉软件进行部署；提供 C、C++ 以及 C# 等不同语言的SDK，便于用户二次开发；
Mech-DLK可针对不同的应用场景（无序抓取、工件上下料、检测测量）需求提供相应的软件版本。

实际案例

动力电池焊缝缺陷检测
项目难点：项目需检测软包锂电池极耳在激光焊接过程中产生的外观缺陷。软包锂电池产品种类较多，不同机种极耳排布不同，检测工程需要兼容多种产品，且部分缺陷成像不明显。

▲软包动力电池及其激光焊接缺陷检测结果图

项目优势：

• 检测速度快，可以应对各类细小缺陷；

• 配合 Mech-Vision 图形化机器视觉软件快速部署深度学习业务，与产线现存的自动化设备无缝集成；

• 利用 Mech-DLK 深度学习软件，用少量缺陷图片训练高精度检测模型；

• 基于 Mech-DLK 模型级联方式，“端到端”实现缺陷检测和缺陷分类；

• 投资回报率高，完全满足用户需求。

项目成果：视觉方案成功部署于客户质检工位，漏检率＜0.2%，过检率＜1%。

RJ45 接插件缺陷检测
项目难点：项目需检测 RJ45 接插件顶面、侧面和 Pin 针插孔等各功能区的外观缺陷。RJ45 接插件各表面的材质不同且外观缺陷种类较多，部分外观缺陷如金属面划伤、注塑面凹坑等缺陷成像较弱且容易受背景干扰。

▲检测结果图（左：金属面划伤、右：塑件损伤）

项目优势：

• 多工位视觉系统，覆盖RJ45各表面及功能区域；

• 整合各类 2D、3D 视觉方案，实现各类外观缺陷（压伤、变形、金属三伤、注塑面凹坑等）的高对比度成像，避免背景干扰。

• 利用 Mech-DLK 深度学习软件，分别训练金属面、注塑面、Pin 针插孔等各功能区的缺陷检测和分类模型；

• 配合 Mech-Vision 图形化机器视觉软件实现多个检测工位通讯、视觉器件控制和生产数据统计及展示等功能。

项目成果：基于此方案的自动检测设备检测速度快、准确率高，已接入客户产线并批量生产。

—END—

招募作者

高工机器人正在招募兼职内容创作者和专栏作家，请将简历和原创作品投至邮箱：[e-mail] 

我们对职业、所在地等没有要求，欢迎有兴趣有能力的朋友加入！

历史文章

点

“阅读原文”领取2022年高工机器人会员福利！