使用 AI 驱动的视觉系统提高轴承的检测精度

概述：

在这种情况下，客户在检查站安装了一个视觉系统，并在生产线末端部署了 3-4 名检查员来验证结果。但是检查精度低于标准，因此需要视觉系统来改进它。

客户两个主要要求：

1. 借助由人工智能驱动的自动化视觉系统，以 99-100% 的准确度检查轴承外体

2. 使检验过程独立于人工检验，以节省时间和资源。

目前如何解决问题？

通过移动传送带到达检查站的轴承。在检查站，机器视觉被部署来识别有缺陷的轴承并拒绝/重新路由它们。由于准确率较低，生产线末端还需要 3 名人工操作员来重新验证通过机器视觉系统的轴承。

AI如何解决这个问题？

4 个摄像头设置用于获取成品轴承组件外圈的图像。每个相机设置都有集成照明，可为感兴趣的区域提供足够的照明。在这种情况下，使用一组红色面板灯来最大限度地减少外圈表面的反射。获取缺陷数据集（图像）后，在注释的帮助下，使用支持 AI 的软件训练缺陷。

一旦软件经过训练，机器视觉系统就会实时捕捉轴承表面的图像、处理和识别缺陷。为了识别这些缺陷，使用了基于 AI 的异常检测模块。

结论

进行了 POC（概念验证）并观察到以下结论：

1. 错误接受率降至 1%，这将有助于我们的客户降低召回率。

2. 检查周期时间减少到不到一秒，这将有助于我们的客户提高交货率。

3. 人为干预减少了 66%，从而降低了劳动力和培训成本