精选推荐
打造智检大“脑”,看其如何实现高效视觉工业检测?
2021-10-19
随着机器视觉、工业自动化的快速发展,工业4.0的概念已经被提上日程。人类科技进步和发展的必然趋势也让很多传统人工操作的工作,渐渐的被机器所替代。当然,工业的进步到头来还是服务于人类,给人类带来高质量的生活体验,而不是整天做着乏味无趣的工作。
英特尔FPGA中国创新中心运营方海云捷迅研发的工业缺陷检测实训套件就脱胎于此,这也是英特尔FPGA中国创新中心展厅新入驻的一款面向高校人工智能、FPGA等相关专业的实训场景方案。
接下来,就让我们来详细了解工业缺陷检测实训套件吧↓↓↓
总的来说,工业缺陷检测实训套件是以工业互联网铝片表面缺陷检测应用为背景,面向高校人工智能、FPGA等技术的实训产品。
为贴合真实应用场景,通过加入专业的工业相机、光源、传送履带、机械臂形成一套完整的智能检测应用系统,实现基于FPGA的数据推理、机械臂自动分拣和检测数据可视化展示等功能。
该实训套件采用深度学习算法YOLOv3和铝板表面缺陷数据集训练模型,并将其运行在英特尔FPGA开发板上,可检测铝表面划痕、针孔、褶皱、脏污等4种缺陷类型。此外,用户还可按需增加缺陷种类,实现二次开发。同时,结合教学内容与实际产业、岗位需求,该实训套件提供了丰富的实验课程及配套资源,让学生快速掌握相关技能知识,加强对行业需求的理解和认知。
FPGA设备利用YOLOv3深度学习算法和铝片表面缺陷数据集训练的模型进行推理。当相机采集到视频流图片后,会发送给推理服务获取推理结果,并将缺陷情况记录到数据库,同时对外提供检测情况的统计分析数据接口。
系统采用6轴吸盘结构的机械臂,可通过平台实现机械臂的左右转向、抓取/释放等功能控制,同时可以结合缺陷检测应用实现缺陷铝片的自动分拣功能。
通过平台页面实时展示当前检测铝片的原始图片和视频流图像,并对有缺陷的铝片进行缺陷点位标记和种类标注。对检测的历史数据进行精准的质量统计,实现产品检测良品率、检测数量的统计,有效保证产品质量。
为了模拟工厂铝材缺陷检测真实场景,系统配套的传送履带的速度和环形光源亮度均可调节。调节光源亮度辅助实现铝片表现图像采集,传送履带模拟工厂铝材产线履带传送过程,传输速度5cm-15cm/s。
基于工业缺陷检测实训套件,教师可结合人工智能的应用场景与案例,通过理工交叉、产教融合等形式,向学生开放人工智能方向的综合训练环境,为教师实现专业实验教学由点及面、从理论到应用、建设涵盖原理验证/综合应用/自主设计及创新的多层次实验体系,提供一整套完善的教学实验环境。同时,产品可接入AILab实验管理平台,通过提供的云实验环境、教学课程、实验指导书、实验代码及数据集,完成教学及实训闭环,培养满足国家社会发展需求的复合型高层次创新人才。
除教学实训方向外,产品可以开展物联网、大数据、人工智能相关技术应用的科研工作;通过提供开放的软硬件环境,支持二次开发,设计出切合用户需求的智能产品,推进科研成果快速转化;并以人工智能技术为基础,可从图像处理、模型训练、模型应用部署等方面丰富数据集种类,通过可视化延伸实现相关算法和性能优化、嵌入式设计、结构拓展等专项技能的训练环境,为高校大赛提供赛事平台。
未来,英特尔FPGA中国创新中心还将继续探索产教融合的解决方案,携手高校展开更广泛深入的合作,培养更多专业人才,共同推进FPGA生态圈建设,为新一轮科技创新添加新动能。