新闻中心

EEPW首页 > 智能计算 > 行业解决方案 > 工业PC的计算机视觉解决方案有助于改进缺陷检测

工业PC的计算机视觉解决方案有助于改进缺陷检测

作者:时间:2020-07-30来源:收藏

利用上海Deepsight先进的计算机视觉和直接运行在您的工业PC上的深度学习软件,在产品装运前发现缺陷,从而改造工厂。

本文引用地址:http://www.eepw.com.cn/article/202007/416437.htm

当有缺陷的产品出厂时,客户投诉的成本很高,产品退货成本、报废成本和品牌受损都会造成损失。上海Deepsight的工业PC(IPC)解决方案采用深度学习、计算机视觉和图像处理的最新创新技术,帮助改进产品出厂前的缺陷检测。

挑战

耗时的人工缺陷检查导致一家知名轮胎制造商在中国的工厂装运缺陷产品,这反过来导致客户投诉,并增加将缺陷轮胎退回工厂的人工和运输成本。这些成本削减了公司的利润,公司的品牌声誉也受到了影响。

解决方案

该公司转向上海深视帮助提高产品质量。上海深视多年来一直专注于计算机视觉和领域,拥有强大的研发能力和丰富的机器视觉解决方案经验。上海Deepsight的Deep Inspect解决方案通过Intel®发行的降低了设备成本™ 直接在基于体系结构的IPC上运行图像处理和推理算法的工具箱。该解决方案具有很高的可扩展性,并且在发现新的缺陷时能够快速适应。可以开发和训练新的缺陷算法,然后将其部署到同一个IPC系统中,以便随着时间的推移继续适应制造过程中的异常/缺陷。

结果

该解决方案基于深度学习,依靠Intel®Core强大的计算能力™ i7处理器和集成Intel图形处理单元(GPU)。利用工具箱对基于Intel处理器的硬件进行加速,使检测算法在单个IPC上稳定运行。该解决方案比人工检测速度快得多(能跟上生产线,提高效率),且不易因人为主观观察而产生疲劳或不一致。此外,检测准确率攀升至99.9%,而人工检测的平均准确率约为90%,每条生产线的人工成本降低了约49000美元。在制造过程中更快、更早地发现缺陷对工厂产生了巨大的影响。该解决方案每年减少了10000多起客户投诉。该公司目前已在其他生产线部署了该解决方案,并计划将其用于其他相关的检查任务。

将制造缺陷控制在最低限度,以控制成本并保持竞争力。

每一家工厂都致力于生产高质量的产品。但原材料和设备的变化导致的误差是不可避免的。历史上,制造商使用手动检查流程来查找缺陷。但这种方法也有缺点。

•训练时间长。花了三个月的时间来培训员工寻找什么。

•效率低下。一旦经过培训,人工检查可以准确,但耗时。手工检验员跟不上生产线的速度,只好把轮胎运到仓库进行检验。

•疲劳。有时检查会占用员工80%的时间,这可能会很累。有些缺陷很小,很难检测到。疲劳会导致准确度降低,而且随着时间的推移还会损害员工的视力。许多检查员很快离职,导致招聘、培训和成本问题。

•不一致。人类的观察自然是主观的,基于不同水平的经验或技能-这意味着检查的准确性可以因人而异。

这家位于中国的领先轮胎制造商的工厂非常熟悉手工检查的局限性。在一个充满挑战的经济环境中,提高生产率、控制劳动力成本以及将缺陷产品退回工厂的相关费用的压力越来越大。此外,竞争也很激烈。中国有数百家轮胎生产商,年产量高达8亿辆(约占全球轮胎产量的三分之一),中国拥有2.4亿辆汽车。因此,轮胎生产企业谁能生产出更好的产品,就能提高客户满意度和品牌美誉度。

在工业PC上运行计算机视觉和深度学习

当最微小的缺陷可以损害制造商的生产力和盈利能力时,一切都很重要。为了寻求一种加快缺陷检查和提高准确性的方法,该公司与一家系统集成商上海深视(Shanghai Deepsight)接洽。深植于工业领域,上海深视拥有多年的经验,并成功部署了许多高精度、高稳定性的测试产品,帮助客户解决问题。

上海Deepsight的Deep Inspect解决方案结合了成像设备和深度学习的计算机视觉算法,由工具包加速。该解决方案运行在边缘,直接在现代工业PC上,使用高性能CPU和集成的GPU包。图像数据由成像系统采集,通过软件传输到边缘设备进行实时检测和分析。检测结果通过网络传回生产线,进行产品合格/不合格分类。

该解决方案包括以下组件:

•成像系统:相机、镜头、光源和机械结构(不同类型的缺陷需要不同的成像系统才能获得最佳图像)

•边缘设备:工业PC、显示器,用于显示图像分析和数据存储

•软件:上海Deepsight的Deep Inspect 用于缺陷检测和OpenVINO 工具包用于加速工作负载。

新的测试设备直接取代原有的测试设备,配置的接口可以直接连接到客户的生产线。客户可以通过抽样检查溶液的准确性和稳定性。

工厂的新时代

利用机器视觉进行缺陷检测,可以降低人工成本、不良品返厂成本和报废成本。基于机器视觉的检测不需要长时间的培训。该解决方案可以每秒钟检查两个轮胎,很容易跟上生产线,节省了以前在检查前将轮胎运送到仓库的时间。该解决方案能够每天实时检查20000多个轮胎;更高的速度和效率意味着更低的成本。它具有很高的客观性和无疲劳性,因此它可以连续运行,不受疲劳的影响,从而获得更大的一致性。

在装运前发现缺陷可以避免产品返回工厂进行更换的成本和品牌声誉的损害。在制造过程中早期检测缺陷的能力似乎只是一个小小的改变。然而,它阻止了额外的和昂贵的制造步骤潜在地掩盖缺陷和允许有缺陷的产品运送给客户。由此产生的节约潜力是巨大的。

基于的深度学习推理需要大量的计算资源。传统上,专门的机器视觉平台配备昂贵的专用gpu来运行这些工作负载。但上海Deepsight的解决方案针对Intel架构进行了优化,并使用OpenVINO工具箱来加速跨CPU核心和集成高性能GPU的深度学习算法。因此,该解决方案在一台配备酷睿i7处理器的工业PC上运行,这意味着工厂可以在不增加资本开支的情况下实现更高的自动化程度、更高的产品质量和更高的品牌知名度。

许多基于IPC的深度学习推理系统也使用虚拟化技术运行其他工作负载,允许将多个工作负载合并到单个IPC平台上。当使用上海Deepsight解决方案为工厂添加基于机器视觉的深度学习时,这将降低成本、功耗、散热和所需的网络连接。

Intel®Innovation Drives Industry 4.0上海Deepsight的创始人曾在的计算机视觉实验室工作,因此该公司在视觉领域拥有丰富的经验,并熟悉英特尔最新的硬件和软件技术。英特尔和上海深视致力于通过合作和开放的交流来改变制造业。上海Deepsight与英特尔工程师密切合作,开发了Deep Inspect解决方案,以优化运行在基于Intel®处理器的硬件上,并利用Intel在计算机视觉和深度学习领域的工作。

例如,OpenVINO工具箱为开发人员提供了在各种英特尔处理器(包括英特尔酷睿i7处理器)上改进的神经网络性能,并帮助他们进一步解锁经济高效的实时视觉应用程序。该工具包支持深入学习推理和跨CPU核心和集成Intel GPU的异构执行。

上海Deepsight选择使用OpenVINO toolkit,是因为它的内置优化使他们能够快速部署解决方案,而且它为基于Intel处理器的硬件和深度学习提供了显著的性能改进。这意味着上海Deepsight可以最大限度地发挥现有Intel体系结构的性能,提高推理效率,并实现极为经济高效的解决方案。除了Intel Core i7处理器和OpenVINO toolkit,该解决方案还使用Intel®Gigabit Power over Ethernet(PoE)网络适配器。

在工业PC上运行的高精度缺陷检测解决方案

昂贵的基于GPU的推理设备不再需要在工厂中运行计算机视觉工作负载。借助上海Deepsight的Deep Inspect解决方案,工厂可以使用基于Intel架构的工业PC运行机器视觉缺陷检测,从而提高产品质量并降低设备成本。该方法速度快,精度达99.9%,具有可扩展性,并且机器学习算法可以适应新类型缺陷的发现。配备Intel Core i7处理器的耐用工业PC提供了工厂环境所需的可靠性和高可用性。

部署Deep Inspect后,客户投诉每年减少10000多起,该解决方案帮助每个生产线降低了约49000美元的人工成本1。制造商受益于客户满意度的大幅提高,以及由于更少的缺陷产品返回工厂而带来的大量节省。基于在中国工厂的初步部署成功,该公司现在正在其他生产线部署该解决方案,并计划将其用于整个组织的其他相关检查项目。

在采用DeepSight计算机视觉解决方案之前,半年内有6000多个缺陷轮胎被退回。在部署了DeepInspector后,上半年只退回了几十个缺陷轮胎,这不仅大大提高了客户满意度,还节省了大量的运输成本。

基于在中国工厂的初始部署成功,该公司现在正在其他生产线部署该解决方案,并计划将其用于整个组织的其他相关检查项目。



快来,小伙伴们都在学OpenVINO! http://www.eepw.com.cn/openvino



评论


相关推荐

技术专区

关闭