Usando um Rede neural treinada, As ferramentas de IA para detecção de defeitos de superfície reconhecem uma característica ou defeito que não pode ser detectado com técnicas tradicionais.
PERFORMANTE
Treinamento rápido
Menos rejeições falsas
do que com ferramentas tradicionais
PRONTO PARA
MELHORIAS
Hardware mais rápido
Software atualizável
EASY TO USE
Configuração fácil de usar
para controles de superfície
O algoritmo de ferramentas de IA pode ser combinado com as seguintes estações de controle instaladas em Máquinas de inspeção Dimac MCV.
Para o controle de elementos elevados ou rebaixados em superfícies planas. A tecnologia SFS permite que você reconstruir a superfície tridimensional de uma superfície plana, destacando elementos em relevo e reentrâncias. O controle não é influenciado por manchas, não homogeneidade na cor da peça, tipo ou aparência do revestimento da superfície.
As aplicações mais interessantes são arruelas, cabeças planas de parafusos, moedas, superfícies superior e inferior de porcas e placas de vedação finas.
A análise combinada das imagens de várias câmeras é organizada para ver toda a superfície lateral externa da peça para detectar amassados de roscas, arranhões em superfícies lisas, rachaduras abertas e presença de furos radiais.
A câmera linear, combined with an encoded 360° rotation estação, permite que você reconstrua a imagem completa do desenvolvimento lateral das peças com geometria cilíndrica ou similar.
A análise do desenvolvimento da superfície lateral da peça pode fornecer informações de tipo superficial e dimensional: a presença de inomogeneidades de superfície (linhas, arranhões), o controle dimensional da fase correta entre dois elementos assimétricos da peça (por exemplo, dois furos radiais), a presença de rachaduras abertas (como na imagem acima).
As ferramentas de IA para detecção de defeitos de superfície diferem do software de visão tradicional por não dependerem de regras predefinidas. Em vez disso, o algoritmo de IA calcula variáveis, formando uma rede neural que avalia a similaridade da imagem para categorias como peças compatíveis e não compatíveis. Essa rede determina a porcentagem de semelhança de uma nova imagem com categorias específicas.
AI goes beyond analytical image interpretation, autonomously generating search criteria with logic not directly understandable by humans. While highly versatile and powerful, its results aren’t entirely predictable beforehand, necessitating careful field validation.
É fundamental chegar a soluções eficazes e eficientes do ponto de vista computacional. O processo de IA exige um tempo de cálculo substancial para as fases de treinamento e validação. Para evitar períodos improdutivos prolongados do equipamento de classificação, o treinamento não é realizado no máquina de classificação.
Para a conveniência do usuário, a Dimac oferece serviços de treinamento remoto de redes neurais.
O software da máquina incorpora um procedimento simples para ajudar os operadores a capturar imagens suficientes de amostras em conformidade e com defeito.
Garantir o controle 100% seguro de algum defeito específico é muitas vezes um desafio que não pode ser resolvido com técnicas tradicionais. Juntamente com a inspeção visual humana, a IA é atualmente a única solução viável. O olho humano continua sendo essencial para definir e otimizar o fluxo de trabalho da IA hoje e possivelmente no futuro.
