汽車與航太
AI視覺泡沫模具夹子檢測
在樹脂、振動和變化的情况下，在汽車和航太模具中實現100%準確率的夹子檢測。
快速摘要
一家一級供應商的傳統視覺系統由於樹脂積累和振動無法檢測泡沫模具中的黑色夹子。Overview.ai的OV20i視覺系統使用分類器配方，僅用十幾張訓練影像就實現了100%的準確率，提供了無需重新校準的稳定解決方案。
情况
檢測嵌入泡沫模具中的黑色夹子聽起來像是一個简单的存在/缺失任務。但在生產環境中，變化會在準確性之前破壞系統。這在汽車和航太組裝中是一個常見的挑戰，因為組件驗證至關重要。
問題
一家一級汽車和航太供應商面臨着八種不同模具變體的這個問題。他們價值10萬美元的傳統系統不斷標記誤報，無法用於無人值守操作，原因如下：
- 樹脂積累随時間改變了模具的外观。
- 反射和照明每個周期都在變化。
- 附近壓機的振動造成不稳定和不一致的成像。
- 模具間的變化使基於規則的系統變得脆弱。
Overview.ai解決方案
使用OV20i工業視覺系統，工程師訓練了一個简单的分類器配方。在幾小時內，該模型在存在/缺失檢查上達到了100%的準確率，并学會了单獨分類*位置不正確的夹子*。
使用分類器配方快速訓練
僅用十幾張標記的影像，相機上的AI就学會了區分"夹子存在"、"夹子缺失"和"夹子位置不正確"，展示了小型高品質資料集的力量。
強大的光学和相機內處理
成功的關鍵是強大的光学和分割級感測器，它可以規範化照明和表面紋理變化。該系統在樹脂積累和振動中保持稳定--無需重新校準。
使用Node-RED進行即時反馈
檢測結果使用Node-RED逻辑與生產線控制器整合，為操作員提供即時的透過/失败反馈并闭環。
關鍵工程要點
- 當照明一致時，小型高品質資料集優於大型噪声資料集。
- 抗振動和表面污染的稳定性與準確性同樣重要。
- 透過Node-RED逻辑的即時反馈為操作員闭合了自動化循環。
常見問題
訓練新模具通常需要多少樣本？
如果照明和光学參數保持稳定，通常10-15個代表性樣本就足够了。
能處理樹脂變色或部分填充吗？
是的--OV視覺系統中的分割功能可以透過最少的重新訓練來適應灰度和紋理變化。