careerfield01
首页> 事业领域> AI图像检测软件> 概要

东芝自主开发的良品学习AI图像检测技术
短期内可实现自动化检测并提升检测精度

东芝AI图像检测技术通过良品学习算法,为生产现场检测工序自动化提供解决方案。
通过东芝自主开发的阈值优化算法,在防止不良品的漏检和降低误检率的同时,实现检测环节的人员精简,并为后疫情时代的新型制造现场模式作出贡献。

❊AI图像检测软件是利用图像进行外观检测,具有“学习功能”和“判定功能” 的软件。

普通AI图像学习方法的劣势 检测装置的劣势
  • 需要收集大量良品和不良品的图像数据且学习需要花费较多时间

    只需收集少量良品图像即可在短期内快速完成学习

  • 创建良品模型和调整精度需要高度专业的技术水平

    无需专业技术人员也可轻松实现图像导入和参数设定

  • 导入现有生产线程序复杂且维保不便

    在现有产线上通过安装摄像头、光源等即可实现导入

普通AI图像学习方法的劣势
  • 需要收集大量良品和不良品的图像数据且学习需要花费较多时间

    只需收集少量良品图像即可在短期内快速完成学习

  • 创建良品模型和调整精度需要高度专业的技术水平

    无需专业技术人员也可轻松实现图像导入和参数设定

检测装置的劣势
  • 导入现有生产线程序复杂且维保不便

    在现有产线上通过安装摄像头、光源等即可实现导入

特长
  • 1
    东芝自主开发的良品学习方式降低误检率

    通过自主开发的阈值优化算法,降低误检率和漏检率,确保可靠检测结果。

  • 2
    在操作画面上直观地创建学习模型

    提供便捷可用的GUI,方便创建良品学习模型、验证精度、确认检测结果。

  • 3
    在现有生产线上轻松导入

    无需对现有生产线进行改造,只需设置通用相机和光源,即可采集图像进行检测。

东芝自主开发的良品学习方式

 通过标准阈值的学习,将优化的良品模型和产品图像进行比较检测

   从各种良品图像中统计学习良品的容许阈值,与之不同的将被判定为不良品

 为降低误检率而采用的优化阈值方法

   在容易出现误检的区域通过反复学习,以避免在该区域中出现误检从而优化良品学习模型的阈值

关联网站

联系我们

返回主页面