top

知識分享

基於深度學習之微動開關檢測

建立日期：2020/11/09
  • 作者： 北科大/何昭慶、喬遠程
  • 出處： 2020 AOI論壇與展覽
  • 內容： 本篇為「2020 AOI論壇與展覽」論文集，摘要如下：

    本研究是基於深度學習利用傳統影像處理汽車零件偏移、微小異物的自適應性，以及變形與缺陷的檢測，由於待測物為高反光金屬表面，因此本研究利用背部打光方式去取得影像資訊，因此影像色彩資訊將遺失大部分。藉由傳輸影像至伺服端進行網路量化，為符合工業成本考量問題，將會在 NVIDIA-AGX 硬體上運行，利用改良過後的UNet 自編碼神經網路架構進行缺陷分類，並將其網路架構進行量化，搭配影像處理尋找變形及缺陷區域，經由多層的池化層將特徵顯示出來並將背景及微小異物的影響降至最低，並於隱藏特徵進行分類神經網路針對缺陷進行分類，並以多張輸出圖片進行影像疊合進行預測，實驗證明經由 UNet 改良分類神經網路能明顯的能比對出缺陷位置且精度高於 95%，滿足工業要求。
  • 檔案下載：全文下載
  • 下載次數：42
回上頁