我们都知道，目前视觉检测技术在工业领域的应用已经非常成熟，但是否代表着可以完完全全替代人眼了呢？答案是否定的。因为在部分的产品外观检测中，依然需要熟练技术人员的感性和经验来判断，例如判断各种颜色和尺寸的划痕、产品本身有很大差异时如何判定缺陷产品等。

在如今熟练技术人员短缺和人工成本急剧上升的背景下，要全部依赖人工来做判断，明显是不现实的，因此各大自动化厂商纷纷加入了AI检测的研究中，但要使其投入实际应用，必须准备大量的图像数据供AI学习，还有AI工程师的保障、需要在现场安装特殊的AI硬件等课题，导致至今都未能成功将AI真正地引入生产现场。

欧姆龙敢于“先人一步”，率先将这项突破性的技术，搭载于自己的图像处理系统中，并使其运用于实际的生产过程，让我们共同目睹一下，究竟AI检测，是否能够再现人类的经验判断吧~

-- 应用效果实测 --

金属冲压零件的划痕检测

以金属冲压零件的划痕检测为例，例如我们拍摄到的图像为下图所示。

以往，需通过指定工件表面的颜色信息，或需要检出的划痕尺寸来对划痕做出定义。但在有大量背景干扰的情况下，对于划痕的定义是非常困难的，经常会出现将刻印误判为划痕的案例。

-- 无法区分划痕或干扰-- 

欧姆龙搭载AI的图像处理系统，能够自动抽取出被推测为划痕的部位，不通过颜色、亮度来定义，而是利用AI来抽取划痕本身，使得稳定检测变为可能，不再依赖于熟练技术人员的经验判断。

神奇的

AI划痕抽取过滤

欧姆龙的图像处理过滤器，预先学习了“人感觉是划痕的图像特征”。即使没有定义划痕，例如用传统方法很难自动化检测的“不可预测的尺寸、形状、颜色”等，AI也能判断并抽取划痕的特征。

学习数据包括欧姆龙迄今为止积累的图像，可以检测不确定背景中的缺陷，例如加工面上的缺陷，这是传统方法难以实现的。

在实际生产现场，最令人头疼的，就是明明有划痕等产品缺陷，却被图像处理系统漏判，认定是良品。

明明没有划痕等缺陷，却被图像处理系统将刻印误判为划痕，认定不良品。

如此不仅增加了不良品的流出几率，而且最终仍然要回归至人工检测，材料浪费与人员作业工时双重的成本叠加，是任何一家生产厂商都无法承受的。

无需定义和学习，可自动检测各种划痕

通过AI技术，摆脱了对于人类“感性和经验”的依赖，实实在在为生产现场带去价值，目前包括金属冲压零件的划痕检测在内，我们还在各行业的多工艺中进行了实测，效果显著！

一、磨砂（喷砂）金属表面刮擦

二、树脂类制品表面划痕

三、拉丝面上的暗色划痕

四、拉丝面上/存在阴影的浅色划痕

可以稳定地抽取以上各种材质、颜色和尺寸的划痕（以前需要先定义划痕），且无需进行调整。如果您已经心动了，赶紧向联络当地的事务所，自己亲自来感受下吧~

更多内容详情请点击