什么是自動(dòng)缺陷檢測(cè)與分類技術(shù)

我們大多數(shù)人都知道機(jī)器視覺(jué)檢測(cè)分類機(jī)，它是目前應(yīng)用在產(chǎn)品外觀缺陷檢測(cè)和質(zhì)量檢測(cè)自動(dòng)分類中的蕞為先進(jìn)的檢測(cè)技術(shù)，隨著工業(yè)的不斷發(fā)展和科技的進(jìn)步，機(jī)器視覺(jué)在智能制造和自動(dòng)化領(lǐng)域中的作用越來(lái)越重要。機(jī)器視覺(jué)檢測(cè)及分類技術(shù)的應(yīng)用可以更大程度地把關(guān)，提高產(chǎn)品質(zhì)量并降低生產(chǎn)成本，受到越來(lái)越多的企業(yè)青睞。

自動(dòng)缺陷分類技術(shù)（ADC）主要實(shí)現(xiàn)對(duì)缺陷的實(shí)時(shí)檢測(cè)與快速報(bào)警，迅速定位缺陷并分類，其理論創(chuàng)新點(diǎn)如下：

1. 基于深度學(xué)習(xí)目標(biāo)檢測(cè)算法的智能缺陷識(shí)別。相較于傳統(tǒng)檢測(cè)技術(shù)需要人工定義缺陷特征，基于深度學(xué)習(xí)的目標(biāo)檢測(cè)可實(shí)現(xiàn)圖像特征的端到端提取，并基于提取的特征采用Box Regression算法實(shí)現(xiàn)缺陷的自動(dòng)定位，同時(shí)采用Soft-max等算法完成缺陷類別的判定。

2.模型自動(dòng)更新優(yōu)化算法。在電子信息產(chǎn)品生產(chǎn)過(guò)程中，模型需要快速實(shí)現(xiàn)對(duì)新產(chǎn)品的適用性更新，并可有效識(shí)別新出現(xiàn)缺陷的形態(tài)。項(xiàng)目研究采用增量學(xué)習(xí)算法和Transfer Learning實(shí)現(xiàn)對(duì)模型的動(dòng)態(tài)更新。

技術(shù)創(chuàng)新

1.通過(guò)一種服務(wù)的動(dòng)態(tài)感知以及權(quán)重策略，實(shí)現(xiàn)預(yù)測(cè)服務(wù)負(fù)載以及高可用。動(dòng)態(tài)分布策略方法，自動(dòng)觸發(fā)模型在多臺(tái)GPU服務(wù)器，多張GPU卡上的動(dòng)態(tài)部署。

2.采用虛擬化技術(shù)，對(duì)容器中深度學(xué)習(xí)模型和機(jī)器學(xué)習(xí)模型進(jìn)行綜合管理，對(duì)多個(gè)深度學(xué)習(xí)框架和機(jī)器學(xué)習(xí)框架進(jìn)行集成管理。

3. 通過(guò)實(shí)現(xiàn)GPU動(dòng)態(tài)分配以及服務(wù)動(dòng)態(tài)分布方法，在多臺(tái)GPU服務(wù)器，多張GPU卡上的動(dòng)態(tài)分布預(yù)測(cè)服務(wù)。

4.提供一種基于大數(shù)據(jù)的樣本管理方法。對(duì)上百T容量的樣本進(jìn)行管理和樣本打標(biāo)。