Utilizando un Red neuronal entrenada, Las herramientas de IA para la detección de defectos superficiales reconocen una característica o defecto que no se puede detectar con las técnicas tradicionales.
RENDIMIENTO
Capacitación rápida
Menos falsos rechazos
que con las herramientas tradicionales
LISTO PARA
MEJORAS
El hardware más rápido
Software actualizable
FÁCIL DE USAR
Configuración fácil de usar
para controles de superficie
El algoritmo de las herramientas de IA se puede combinar con las siguientes estaciones de control instaladas en Máquinas de inspección Dimac MCV.
Para el control de elementos elevados o empotrados en superficies planas. La tecnología SFS le permite reconstruir la superficie tridimensional de una superficie plana, resaltando los elementos elevados y rebajados. El control no se ve afectado por las manchas, la falta de homogeneidad en el color de la pieza, el tipo o el aspecto del recubrimiento de la superficie.
Las aplicaciones más interesantes son las arandelas, las cabezas planas de los tornillos, las monedas, las superficies superior e inferior de las tuercas y las placas de corte fino.
Se organiza el análisis combinado de las imágenes de múltiples cámaras. para ver toda la superficie lateral externa de la pieza para detectar abolladuras en roscas, rayones en superficies lisas, grietas abiertas, presencia de agujeros radiales.
La cámara lineal, combinado con una rotación codificada de 360° estación, le permite reconstruir la imagen completa del desarrollo lateral de las piezas con geometría cilíndrica o similar.
El análisis del desarrollo de la superficie lateral de la pieza puede proporcionar información de tipo superficial y dimensional: la presencia de heterogeneidades superficiales (líneas, rayones), el control dimensional de la fase correcta entre dos elementos asimétricos de la pieza (por ejemplo, dos orificios radiales), la presencia de grietas abiertas (como en la imagen superior).
Las herramientas de IA para la detección de defectos superficiales se diferencian del software de visión tradicional en que no se basan en reglas preestablecidas. En su lugar, el algoritmo de IA calcula variables y forma una red neuronal que evalúa la similitud de las imágenes para categorías como piezas conformes y no conformes. Esta red determina el porcentaje de similitud de una nueva imagen con categorías específicas.
La IA va más allá de la interpretación analítica de imágenes, ya que genera de forma autónoma criterios de búsqueda con una lógica que no es directamente comprensible para los humanos. Aunque es muy versátil y potente, sus resultados no son totalmente predecibles de antemano, por lo que es necesario realizar una cuidadosa validación sobre el terreno.
Es fundamental llegar a soluciones eficaces y computacionalmente eficientes. El proceso de IA requiere un tiempo de cálculo considerable para las fases de entrenamiento y validación. Para evitar períodos prolongados de inactividad del equipo de clasificación, el entrenamiento no se lleva a cabo en la máquina clasificadora.
Para comodidad del usuario, Dimac ofrece servicios de entrenamiento remoto de redes neuronales.
El software de la máquina incorpora un procedimiento sencillo para ayudar a los operadores a capturar imágenes suficientes de muestras conformes y defectuosas.
Garantizar un control seguro de 100% de algunos defectos específicos suele ser un reto que no se puede resolver con las técnicas tradicionales. Junto con la inspección visual humana, la IA es actualmente la única solución viable. El ojo humano sigue siendo esencial para definir y optimizar el flujo de trabajo de la IA hoy en día y, posiblemente, en el futuro.
