為什么傳統制造業需要人工智能？

時間：2018-10-18

作者：西安獲德圖像技術有限公司

詞條
詞條說明
基于機器視覺的玻璃纖維布表面缺陷檢測
在生產織造過程中，玻璃纖維多軸向織物*受到生產工藝、環境及人為等因素造成織物表面有污紗、毛團、斷紗等缺陷，這些問題不但給企業帶來了一定的經濟損失較嚴重的是對企業的形象造成影響。針對此問題，西安獲德集合多年在機器視覺工業檢測領域經驗研發了一套整體解決方案——多軸向異物在線檢測系統。該視覺檢測系統不僅為客戶提高了纖維布表面的質量檢測效率，降低了操作人員檢測強度，同時也減少了客戶投訴。其特點如下：
人工智能讓紡織行業“智”在四方
隨著基于機器視覺技術在行業內的廣泛應用，當前，人工智能也在不斷成熟，尤其是在安防、金融領域得到了較快、較好的應用。除此之外，越來越多的創業者也試圖在工業、制造業等相關領域帶來新的突破，以降低成本、提高效率，逐漸取代傳統的人工工作方式。以紡織業為例，在紡織工藝中，一般可分為紡紗、織造、印染整等工序。其中織物疵點檢測便是織造工序中重要的一環，玻璃纖維多軸向織物，在織造過程中往往會有一些異物和毛團混
產業升級大勢所趨玻纖外觀自動檢測系統需求量迅速增長
? ? 隨著玻璃纖維產業科技強國政策的大力推進行業深入落實智能技術升級，西安獲德玻纖管紗外觀自動檢測系統全套產品設備需求量*增長。? ? 2022開年我公司為“中國巨石”新增訂單加快進度調試生產四套檢測設備近期即將完工交付投入產線檢測生產。
使用深度學習實現工業異常檢測
工業缺陷可視為工業產品的外觀 “異常”，因此有部分工業缺陷檢測方法采用了異常檢測的思路。然而異常檢測的定義與工業缺陷檢測是有所區別的。具體而言，異常檢測的概念較加廣泛與抽象, 其中圖像異常檢測主要關注輸入圖像是否為異常實例，而工業缺陷檢測較關注像素層面的檢出任務。在像素層面上，異常與正常模式的差別較加細微，檢測難度也大幅增加，因此直接使用異常檢測方法難以滿足工業缺陷檢測的任務需求。近年來, 深度學