OMRON欧姆龙 FH 图像处理系统
图像处理系统
将依赖于熟练工感性和经验的“官能检测”自动化。凭借AI技术再现检测方法。
【课题】依赖于熟练工的经验 在官能检测中，允许良品状态有差异。 由于良品状态的判断标准依赖于熟练工的知识，因此很难用以往的FA图像处理系统对其进行定义，并且需要不断进行设置调整工作，这成为自动化的难题。
“AI准确匹配”通过学习良品状态的图像数据，在短时间获得检测人员在多年实践中积累的“检测技术和知识”。除了能够再现熟练工的检测能力外，自动化还能降低成本、提高生产效率。
学习存在差异的良品图像，将脱离学习范围的特征抽取为缺陷。 AI准确匹配是一种缺陷抽取处理，仅将“良品中没有的特征”检测为**部位。 通过学习存在差异的良品图像，创建AI模型。作为良品还原模型，AI每次检测都会创建“推测为良品的模型”。 然后只将拍摄图像与良品还原图像的差异抽取为缺陷，有效减少过检。
可使用记载有AI掌握技巧的设定画面，通过3个步骤完成设定。 AI会建议一个良品学习过程，以便可以使用较少的图像张数进行设定。
将依赖于人感性的“官能检测”自动化。凭借AI技术再现划痕的目视检测方法。
【课题】对人感性的依赖 缺陷的检测依靠人的感性，难以定义，成为自动化的难题。
检测人员拥有的“将背景中的不协调视为缺陷”的技能，已利用AI技术化，并作为图像过滤器搭载。即使是新品种、未知划痕、复杂背景这些机器以前难以判断的内容，也可以在没有划痕样本或调整的情况下，检测为“划痕或缺陷”。
*1. 使用AI划痕抽取过滤时，需要使用另售的“划痕抽取AI软件安装程序（FH-UMAI1）”。
一种图像处理过滤器，预先学习了“人感觉是划痕的图像的特征”。即使没有定义划痕，例如用传统方法很难自动化的“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。
【课题】 • 因颜色不均匀或部件尺寸公差产生的差异。 • 由于形状复杂，无法判断缺陷产生的位置 • 根据形状设置检测区域和调整参数难度大。 品种数量庞大，调整需要时间。 【AI准确匹配】 • 学习良品的颜色不均匀和尺寸变化实现稳定检测。 • 仅抽取形状复杂部件中的缺陷。 • 只需将整个区域设置为检测区域。 即使形状不一的品种数量较大，也可以在短时间内完成设置。 产品标签的打印**检测 打印密度、粗细和位置的偏差可以通过检测，且仅抽取诸如字符缺失之类的缺陷。 将整个标签设置为检测区域。
电子部件的缺口和异物检测 尺寸的微小差异可以通过检测，仅抽取形状复杂部件中的缺陷。 将整个部件表面设置为检测区域。
微信/手机： 18938648240 QQ : 1605935956 电话 : 0755-83317774 Email : 1605935956@qq.com