机构名称：
¥ 1.0
摘要：在当今时代，监控制造环境的健康状况已变得至关重要，以防止意外维修、停机，并能够检测出可能造成巨大损失的缺陷产品。数据驱动技术和物联网 (IoT) 传感器技术的进步使系统的实时跟踪成为现实。还可以通过使用质量控制 (QC) 措施在整个制造生命周期内持续评估产品的健康状况。质量检查是评估产品并判定为可接受或拒绝的关键过程之一。目视检查或最终检查过程涉及操作员对产品进行感官检查以确定其状态。但是，有几个因素会影响目视检查过程，导致行业的整体检查准确率约为 80%。先进制造系统的目标是实现 100% 检测，而人工目视检测既耗时又费钱。基于计算机视觉 (CV) 的算法有助于实现目视检测过程的部分自动化，但仍存在未解决的挑战。本文介绍了一种基于人工智能 (AI) 的基于深度学习 (DL) 的目视检测方法。该方法包括用于检测的自定义卷积神经网络 (CNN) 和可在车间部署的计算机应用程序，以使检测过程更加用户友好。所提模型对铸造产品图像数据的检测准确率为 99.86%。
基于人工智能的制造业智能质量检测
主要关键词
相关文件推荐
