诺威特(NOVTEC) 成立于2003年,总部位于江苏苏州,是**从事测试解决方案的高科技企业,为企业和研究机 构提供大量**的测试仪器设备解决方案。使用人工智能Artificial intelligence(Ai)深度学习对复杂多变的产品外观缺陷 进行有效识别和判断,内建的深度学习建立多层神经网络,特殊的图像处理方式和复杂的算法,使EL缺陷的漏判率可以达 到“零”,解决了多年来人工判别的漏检和错检问题。其较快的判断速度和高准确性满足在线检测的需求,为新能源行业 的“工业4.0”和“中国制造2025”提供了**的技术**。 深度学习 通过算法,使得机器能从大量历史数据中学习规律,从而对新的样本做智能识别,深度学习是机器学习中一种基于对 数据进行特征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像章强度值的向量,或者较抽象地 表示成一系列边、特定形状的区域等。而使用某些特定的表示方法较*从实例中学习任务(例如,缺陷类型)。 缺陷检测以高**度与高处理速度为基础 较好的服务于有自动化需求的制造业工厂 部分案例 皮革纹路分类检测案例 视觉设备参数检测数据 设备类型非标检测数量3000 光源类型条形光源*4过检数量0 相机类型面阵500万像章漏检数量0 PC显卡类型1070检测准确率** 检测速度7张/秒 检测项目皮革纹理粗细分类 训练数据:30张图像 (粗纹10张图像, 细纹10张图像, 中纹10张图像) 检测数据:3000张图像软件名称:软件功能模块Classification (分类) 检测结果:准确度** PCB板缺陷检测案例 视觉设备参数检测数据 设备类型非标检测数量30000 光源类型条形光源*2过检数量45 相机类型面阵500万像章漏检数量0 PC显卡类型1060检测准确率99.85% 检测速度5张/秒 检测项目表面损伤、焊盘不 等 训练数据:750 张图像(NGs2ss长、OK225 张) 检测结果:准确度99.85% 检测数据:30000 张图像软件名称:软件功能模块Segmentatin(分割) 简便**生成深度学习模型,*算法较优化作业 诺威特是在PCB、光伏、显示屏、电子产品、新能源电池等多种领域使用的以深度学习为基础的机器视觉检测软件。现在也在现场以多样的数据为基 础进行学习不测试,不断实现性能的提升。从标签工具到结果输出,以验观的图片结果为基础为用户提供较佳的用户体验以及便利性。已在复杂的生产线 上提供数据采检、缺陷检测服务。 各个缺陷类型需要学习几张图像数据? 需学习图像数量根据图像的复杂程度会有所不同,但在初期不同的瑕疵类型提供30-100张左右即可。 神经网络模型建立所需要的时间有多长? 一般2048*2048像章大小,1000张为标准的话,需要30分钟左右。 在实际的生产线上处理图像的速度能达到什么程度? 根据神经网络条件会有所不同,但在2048*2048像章大小的图像,每秒钟可实时处理50张。 太阳能电池缺陷检测案例 视觉设备参数检测数据 设备类型非标检测数量20000 光源类型短波红外光过检数量6 相机类型短波红外相机漏检数量0 PC显卡类型1080检测准确率99.97% 检测速度72张/秒 检测项目隐裂、划伤、断栅等 训练数据:1300张图(NG1000张、OK300张) 检测结果:准确度99.97% 检测数据:20000 张图像软件名称:软件功能模块Segmentatin(分割) 解决方案 诺威特的深度学习解决方案和传统机器视觉检测的不同点 主要功能 无法分析无规律图像可分析无规律图像 Segmentation 通过图像分析,检测出图像上各种瑕疵的位置、 大小和形状。 当图像不规则、无规律时,缺陷的特征很难通过 手动设定,因此无法分析图像。 即使图像复杂,通过深度学习算法,软件可以自动 学习瑕疵的特征,使得无规律图像的分析变得可能。 **度低**度高 如果缺陷部分和之前设定好的缺陷特征有轻微的 出入,传统视觉都无法检测出这样的缺陷,导致检测 的**度下降。 实现自动化检测进入壁垒高 生产环境发生变化时,需要特定的工程师进行较 优化作业并且手动设定不断变化的缺陷特征。 传统机器视觉诺威特 通过深度学习算法和制造业特有的数据提高检测 的**度。 实现自动化检测进入壁垒低 即使不是**的深度学习工程师, 通过便利的 GUI界面,也可以轻松地进行较优化作业。