某工业平板电脑公司的产品应用于机器人视觉缺陷检测

　　长期以来,制造商的质量控制系统都依赖于视觉检测。传统的机器视觉系统可能无法区分相似零件之间差异较大的缺陷类型。利用人工智能和深度学习技术的强大功能，提供高精度的检测结果，有助于解决这一问题。与使用基于规则算法的计算机视觉技术的机器视觉系统不同，由深度学习软件驱动的机器视觉系统基于训练数据检测缺陷。数据驱动的人工智能使自动化的缺陷检测具有更大的灵活性和准确性，同时降低了维护成本。
 

　　在这种情况下，客户相当于机器人视觉设备制造商。他们计划将机械臂与人工智能相结合，以检测搪瓷涂层产品中的气泡和裂纹等缺陷。传统的计算机视觉技术面临着局限性：它无法区分相似产品零件上仅具有细微差别的不同缺陷类型。它不够灵活，无法更新现有的缺陷检查系统来识别新的缺陷类型。为了实时利用人工智能技术进行视觉缺陷检测，该系统需要大量边缘计算能力和大存储容量来存储从多条生产线捕获的大量图像，以及足够的带宽来处理数据传输。解决方案人工智能系统*了客户的要求。在机械臂准确识别出保温杯的位置并将其拿起进行360度摄影后，拍摄的图像被发送到工业平板电脑公司的产品里进行实时推断，在那里可以立即识别出有缺陷的产品。其产品搭载 Intel Xeon/ Core i3/i5/i7 CPU 和PCIex16 插槽支持高性能显卡，可充分胜任复杂的实时人工智能推理和高性能计算。在 I/O 和数据存储容量方面，配备有 4 个 GbE 端口、4 个 RS-232/422/485 端口、4 个 2.5”SATA III 硬盘驱动器(提供全带宽和存储容量，以满足应用需求)，并支持高达 20TB 的数据容量。已经内置了850W 电源，所以用户不需要增加外部电源。当缺陷检查系统需要更新才能检查新产品时，也可用作本地训练服务器。内置的视觉系统将获取到的图像发送回 其产品进行进一步的人工智能模型再训练。例如，杯子产品的缺陷类型不同于纸袋产品。要将人工智能缺陷检测系统从杯子检测改为纸袋检测，客户只需准备纸袋缺陷类型的训练数据集，在其产品 重新训练新的人工智能模型，然后在上部署经过训练的模型。有了再训练模型能力，缺陷检查系统更新不再需要花高价钱请专业工程师完成。