項目背景

　　傳送鏈用于驅動(dòng)傳送帶。這些鏈條承受不同的負載（約 15 噸）和速度（每分鐘 65 英尺），這可能會(huì )導致它們出現裂縫。為了使其有效工作，鏈條需要沒(méi)有裂縫。 鏈條上的任何裂紋都將導致鏈節斷裂并最終停止制造操作。

　　項目需求

　　沒(méi)有適當的機制來(lái)識別移動(dòng)輸送機上的裂縫，鏈條的檢查完全是手動(dòng)的，并且只有在它們靜止時(shí)才能進(jìn)行。一旦發(fā)現裂縫，操作員就會(huì )更換鏈條。盡早識別鏈條上的裂縫，以減少停機時(shí)間并獲得高產(chǎn)量。

　　解決方案

　　使用基于 AI 的視覺(jué)系統對金屬鏈進(jìn)行光學(xué)檢測視覺(jué)系統和人工智能如何解決這個(gè)問(wèn)題？解決方案的開(kāi)發(fā)包括 4 個(gè)重要部分，即圖像采集、機器學(xué)習、解決方案部署和精度改進(jìn)。

　　1、圖像采集裝置包括一個(gè)帶紅線(xiàn)燈的攝像頭，以最小的反射照亮鏈條的表面。該設置有助于數據收集，即獲取鏈接/鏈的圖像。

　　2、機器學(xué)習部分出現在數據收集之后。它也被稱(chēng)為數據注釋?zhuān)渲袌D像用于在注釋?zhuān)ㄟ吔缈颍┑膸椭掠柧毣贏(yíng)I的模型。

　　3、將經(jīng)過(guò)訓練的模型部署在現場(chǎng)生產(chǎn)線(xiàn)上，以實(shí)時(shí)檢查是否存在裂縫。

　　4、在理想情況下，并非所有缺陷（裂縫）每次看起來(lái)都相同，可能存在一些未經(jīng)預訓練的缺陷。因此，需要通過(guò)重新訓練模型來(lái)提高準確性，直到所有變化都被訓練以確保不會(huì )遺漏前所未有的裂縫。