机器视觉和深度学习如何改变制造业中自动检查的领域

人工智能最终将改变游戏规则，几乎在每个领域中都有无数的应用程序。现在，它正在进入生产和制造领域，从而使其能够利用深度学习的力量，并在此过程中提供更快，更便宜，更优越的自动化。本文旨在简要介绍自动视觉评估以及深度学习方法如何节省大量时间和精力。

制造业中的外观检查

使用自动外观检查技术识别缺陷它涉及对生产线上的产品进行分析以达到质量控制的目的。目视检查还可用于生产设施中各种设备（例如储罐，压力容器，管道和其他设备）的内部和外部评估。

什么时候需要目视检查？

尽管目视检查用于制造中以进行质量或缺陷评估，但在非生产环境中，可以将其用于确定是否存在指示“目标”的特征并防止潜在的负面影响。汽车自动外观检查，VLSI缺陷，装配线，汽车表面缺陷在某些情况下，需要进行目视检查。

在许多需要目视检查的行业中，有几项视力检查被认为具有非常高的后果，并且是高度优先的活动，因为通过检查可能产生的任何错误（例如伤害，死亡，损失）的潜在成本很高昂贵的设备，报废的物品，返工或客户流失。优先检查视力的领域包括核武器，核电，机场行李检查，飞机维修，食品工业，医药和制药。

为什么不只坚持手工检查呢？

手动检查需要一个人在场，一名检查员对所涉实体进行评估并根据一些培训或先前的知识对它进行判断。除了训练有素的检查员的肉眼之外，不需要任何设备。根据研究，目视检查错误的范围通常为20％至30％。一些缺陷可以归因于人为错误，而其他缺陷则归因于空间的限制。某些错误可以通过培训和实践来减少，但不能完全消除。

影响检验绩效的因素

制造中的外观检查错误采取以下两种形式之一：遗漏现有缺陷或错误地识别不存在的缺陷（误报）。与误报相比，未命中的发生率要高得多（参见，2012年）。遗漏会导致质量下降，而误报会导致不必要的生产成本和整体浪费。