解决制造业难题!欧姆龙开发出自动检测缺陷产品的AI 技术

发布时间:2019-11-15 阅读量:744 来源: 华强电子网 发布人: Viva

据IT media网报道,欧姆龙在11月13日宣布开发出可提取工厂生产线中零件上的划痕等缺陷的图像识别AI技术,并运用一种叫做“ Decentralized X”的技术通过集成机器学习模型来提高AI 的精度。

  

据悉,识别缺陷的AI技术将搭载在欧姆龙的图像处理系统“FH系列”上,适用于通用规格的电脑,预计2020年春季进行发售。该技术有望解决制造业工厂劳动力短缺及人工成本上升问题。

  

据了解,该缺陷识别AI技术为欧姆龙独立研发,可以自动从手头的图像数据中检测出需要学习对象,在仅学习10张图像后,就可以高精度检测出产品划痕,并能够检测出传统技术中因为噪声而难以辨别的划痕。

 

11111.jpg 

  

不过,欧姆龙商业事业部部长竹川先生强调,AI不是万能的。

  

在将此项技术引进工厂自动化领域时,需要达到99%或更高的识别率。如果误将良品判定为有缺陷将导致生产力的下降,要把握好尺度。引入缺陷识别AI时,公司需要根据自身情况对AI进行重新学习和调整,此外,在工厂自动化试点引入配备AI技术的高性能计算机仍有成本方面的障碍。

  

在缺陷识别AI技术中还用到了另一项新技术“ Decentralized X”,这是一项通过集成机器学习模型来提高AI精度的技术。不同于一般的机器学习模型,集成机器学习模型降低了通信成本并且能够提升数据的机密性。

  

据悉, “ Decentralized X” 目前只应用于欧姆龙的工厂自动化领域和健康领域,欧姆龙还没有将其商业化的打算。


相关资讯
新能源汽车的“核心系统”:深度解析大三电与小三电技术体系

本文将从技术原理、系统架构及工程实现角度,全解剖析新能源汽车的大三电和小三电系统

从汽车电子到多元工业应用:CAN总线技术解析与发展趋势

CAN总线技术通过单一总线替代复杂布线系统,极大提高了系统的可靠性与可维护性

窥见电池灵魂:BMS数据采集如何成为电动时代的神经末梢

数据采集的精度和可靠性,直接决定了整个BMS系统性能的天花板

强强联合!英伟达50亿入股英特尔

英伟达投资50亿入股英特尔股票

​温补晶振(TCXO)核心技术解析:8大关键参数决定系统时序精度​

在高速通信、精准导航与精密测量等尖端领域,电子系统的时序架构对时钟信号稳定性的要求已近乎苛刻——其精度如同机械钟表的游丝摆轮,微小偏差便可能引发整个系统的时序紊乱,导致数据传输错误、定位偏移或测量失准。环境温度的波动一直是普通晶振频率稳定性的最大挑战,而温补晶振(Temperature Compensated Crystal Oscillator,简称TCXO)作为高精度时钟基准的核心器件,正是为解决这一核心问题而生。它凭借内置的“感知-计算-补偿”机制,在宽温环境下实现对频率的精准锁定,将温度变化引发的漂移压制在极低水平,成为高端电子系统中不可或缺的“时序锚点”。要真正理解并选型这一精密器件,就必须深入剖析其决定性能优劣的几个重要参数。