#insightvisionsystems #deeplearning #cognexvisionsystems
Os sistemas de visão Cognex tornam a configuração e a implementação de aplicações de aprendizado profundo rápidas e fáceis, especialmente com o nosso In-Sight ViDi. Aprenda passo a passo como desenvolver uma aplicação robusta de detecção de defeitos usando um Sistema de Visão In-Sight D900.
--
SOBRE NÓS:
Há mais de 40 anos, a Cognex tem facilitado a visão computacional avançada, abrindo caminho para que empresas de manufatura e distribuição se tornem mais rápidas, inteligentes e eficientes por meio da automação.
Tecnologia inovadora em nossos sistemas de visão 2D e 3D e scanners de código de barras industriais resolve desafios críticos de manufatura e distribuição, proporcionando desempenho incomparável para indústrias que vão de automotiva a logística e bens embalados.
A Cognex torna essas ferramentas mais capazes e fáceis de implementar e, graças a um foco de longa data em IA, ajuda fábricas e armazéns a melhorar a qualidade e maximizar a eficiência sem precisar de expertise técnica altamente especializada.
Estamos localizados perto de Boston, EUA, com filiais em mais de 30 países e mais de 30.000 clientes em todo o mundo.
CONTATE-NOS:
LinkedIn: / cognex-corporation
--
RESUMO:
O vídeo demonstra a configuração de um sistema de detecção de defeitos por aprendizado profundo para inspeção têxtil. O processo envolve a coleta de imagens de peças boas e defeituosas, rotulando-as dentro de um editor especializado e treinando um modelo para distinguir entre elas. Os passos principais incluem definir a região de inspeção, definir tamanhos de características e aplicar perturbações de rotação para lidar com orientações variadas. Após o treinamento, o sistema gera pontuações e destaca defeitos. Ferramentas de extração de dados preenchem células de planilhas com métricas como área e localização. Finalmente, a solução é implantada por meio de uma Interface Homem-Máquina (HMI) baseada na web, permitindo que os usuários vejam resultados ao vivo, ajustem limites e integrem saídas com controladores externos como PLCs.
PONTOS CHAVE:
-A configuração inclui uma câmera, computador com GPU e dongle de segurança para executar ferramentas de aprendizado profundo.
-Coletar 15–20 imagens de peças boas e múltiplos tipos de defeitos, rotacionando para cobrir todos os ângulos.
-Renomear quadros adicionando "bom" ou "ruim" para agilizar o processo de rotulagem no editor.
-Drag and drop a ferramenta Vidi Detect na planilha, definir a região de inspeção e importar imagens rotuladas.
-Ajustar o tamanho da característica usando uma ferramenta de bolha no menor defeito e definir uma divisão de 50% para treinamento/teste.
-Ativar a perturbação de rotação para gerar sinteticamente imagens rotacionadas para um treinamento robusto do modelo.
-Treinar o modelo; ele aprende a pontuar imagens, separando peças boas (pontuação baixa) de peças ruins (pontuação alta).
-Usar "Inserir Obtenções" para puxar dados de defeitos (área, perímetro, localização) da ferramenta para células da planilha.
-Publicar pontuações e tags gráficas em uma HMI web padrão para monitoramento em tempo real e interação do usuário.
-Atribuir uma célula de monitoramento à fita de filme ao vivo e personalizar a HMI para implantação em produção.