成像模块与人工智能(AI)

马库斯Riedi
添加到收藏夹

用于产品质量自动评估的光学传感器

第四次工业革命的特征是所有商业领域的颠覆和创新周期的加速。这会改变我们今天的质量保证方式吗?人工智能会质疑现有的测量技术吗?

通过新的数据分析和使用深度学习工具以及高级数据分析的新方法,我们将看到更智能的解决方案。还可以大大改善具有结构化照明和其他技术的实际分辨率,这使得可以以相同的价格实现更大的图像字段或更好的结果。光度立体化成像使得可以更准确地和独立地确定结构或边缘的位置精度,从而更精确且可靠地执行图像中的形状和位置测量。

给机器眼睛

Opto已开始提供即插即用的视觉传感器,以提供机器眼睛。这些成像模块在调整和预校准的封装中用相机,光学和调节的照明以及控制电子设备一起提供。如果目标是为每个应用程序提供最佳图像,则必须有几千个模块。作为第一解决方案之一,开发了一种紧凑的一体化数字显微镜。这具有同轴和环形光,可以使用一个单元执行许多不同的任务。对于具有集成同轴EPI照明的明菲尔菲尔德控制反射表面上的结构和用于显示杂质和划痕的暗田成像的集成环光。与轮廓投影仪,其中,相同的显微镜配备有500万像素的索尼传感器和一个集成的远心成像和照明光束路径一起,有可能在用于高精度测量完美的对比针,网,螺钉或其他样品的本型材。

理想的学习

这些解决方案适用于具有传统图像处理的进一步处理,因为它们提供优化的对比度和高分辨率,针对各个应用进行了优化。然而,成像模块也适用于学习应用,因为完整的结构内置成紧凑型铝壳,并且随后不能改变。这使得能够稳定的成像,并且即使使用多个站,也可以保证具有相同校准的相同图像质量。为了满足IOT和行业4.0过程中工厂自动化的要求,将来将有嵌入式模块。这些将是智能订单模块,可提供实际结果和驱动机器或提供直接测量结果。它仍然可以看出他们将是多么聪明。一种方式将是使用结构化照明和照明几何的反馈。优点,如更好的边缘检测,更好的表面表示缺陷和超分辨率评估,在表面上的形状和位置,结构和集成的高分辨率缺陷检测能够快速完全陈述。

使用深度学习进行质量预测
使用深度学习进行质量预测
使用深度学习进行质量预测

所有这些信息在一个图像现在可以比较和分类,以作出一个高准确性和可重复性的产品质量声明。有了深度学习,你甚至可以实时预测产品的质量发展,因为它都是基于图像的。这些选项,再加上特定于应用的成像模块,可能会对测量技术产生干扰。然而,由于测量值的可追溯性和许多现有标准仍然阻碍了这些新的数字化方法在质量控制方面的建立,因此仍需要一段时间。但正如病理学等非工业市场已经显示的那样,数字陈述已经在这里被证明优于人类的估计。在这里,它离人工智能的质量控制并不遥远。Markus Riedi, Opto GmbH首席执行官,D-Gräfelfing

使用人工智能评估
使用人工智能评估

随着深度学习,现在可以在短时间内对产品的质量发展进行非常好的预测,因为它全部基于图像数据。

成像模块与人工智能(AI)

相关趋势项目