導語
• 某PE瓶制造公司希望建立PE瓶檢測系統，利用機器視覺技術快速準確全方位識別藥瓶外觀瑕疵, 并將有瑕疵的產品在線自動剔除。
• 本案采用多個相機進行檢測。在藍海大腦深度學習訓練平臺進行AI訓練，并部署到工業視覺檢測平臺。實時動態顯示檢測數據，提示缺陷樣品達到限額。提供“訓練+部署”端到端解決方案，大大提高檢測效率。
1 背景及挑戰
- 傳統人工方式檢測藥瓶，主觀性強、速度慢、易受干擾、易疲勞。
- 不能及時準確判斷藥瓶缺陷，且質檢效率難以把控。
2 項目需求
- 配備傳送裝置，通過理瓶設施進入檢測設備進行全面檢測剔除。
- 利用機器視覺技術快速準確的識別藥瓶外觀瑕疵,并將有瑕疵的產品在線自動剔除。- 具備深度學習能力和自維護升級功能，不斷積累數據實現剔除準確率趨于100%能力。
- 實現產品全方位無死角檢測, 實時顯示檢測結果。
3 機器視覺主要功能
識別物體的物理特征（如外形、顏色、字符、二維碼、條碼等）。引入深度學習后模式識別的應用范圍和精度得到大大提升。
2. 定位
通過得到圖像的坐標信息來自動判斷 物體的位置，校正、引導、對位、跟蹤。分為2D定位和3D定位，通常與機械手配合使用。3. 測量
自動測量產品外觀尺寸，如寬高、孔徑、直徑和間距等。引入深度學習后，可對不規則裂痕、劃傷進行長度、深度測量。
4. 檢測
檢測產品的污點、裂痕、劃傷、缺損等。引入深度學習后大量原本無法檢測的缺陷已可檢測。
解決方案 4
- 采用AI智能相機多角度進行數據采集。GPU液冷工作站運行AI視覺檢測系統，進行深度學習、訓練、分析等
- 臟污、變形等缺陷使用傳統算法；瓶身吹不滿、瓶壁薄厚不勻等缺陷使用AI深度學習算法檢測
- 收集缺陷樣品，在深度學習訓練平臺進行AI訓練，并部署到工業視覺檢測平臺
- 缺陷品分類：底層算法給出檢出結果，實現對主要缺陷進行分類統計
- 實時動態顯示檢測數據，提示缺陷樣品達到限額及時警示
- 提供“訓練+部署”端到端解決方案
5 技術難點
- 自動上料機的設計
- 產品缺陷種類較多
- 檢測后的不良品分類剔除
基于藍海大腦工業視覺智能平臺+專業自動光學機構及自動化產線，通過深度學習構建全新識別模型，實現全流程自動化智能化的產品質量表面缺陷檢測，實時輸出全量質量數據。
