Industriel machine learning
Hjælper kvartsglasrørs-industrien med at løse en udfordrende inspektionsopgave
Ordet "machine learning" bruges, når en maskine efterligner "kognitive" funktioner, som ofte forbindes med mennesker. Hybrid vision, som JLI har indført, er en kombination af:
- Machine learning
- Standard machine vision
- Godt håndværk
Hybrid vision er den perfekte løsning til klassificering af defekter. Inspektionen er blevet udført manuelt, da produktionshastigheden typisk er ret lav på kvartsrørslinjer.
Ved at erstatte manuel inspektion med standard machine vision løses nogle af problemerne med manuel inspektion, men for kvartsglasrør er det obligatorisk at skelne mellem åbne og lukkede luftlommer. Dette kan opnås ved at tilføje machine learning til standard machine vision systemet.
Standard machine vision systemet er i stand til at opdage alle luftlommer og andre fejl. Billeder af alle detekterede defekter føres derefter til det machine learning netværk, der returnerer en sandsynlighed for, at defekterne er en af de typisk 4 forskellige typer defekter, herunder åben og lukket luftlomme.
Machine learning netværket er trænet af billeder, der tidligere er optaget af det almindelige machine vision system, så samarbejdet mellem de to principper er med til at få systemet til at fungere som ønsket.
Denne træning kan gennemføres på ca. en uge efter installationen, da indsamlingen af billeder er automatiseret, og kun en brøkdel af billederne skal sorteres manuelt før træningen. Det har hidtil ikke været muligt at sortere åbne og lukkede luftlinjer i glasset på pålidelig vis, men med Hybrid Vision er det nu muligt.
Erstatning af manuel inspektion med en automatiseret proces
Det kan være en udfordring at gå fra manuel inspektion til et automatiseret system.
En ting er, at manuel inspektion ikke altid er særlig gentagelig, og et automatiseret system kan være en stor opgave at sætte op, så det fungerer på samme måde som den gennemsnitlige manuelle inspektør.
Machine learning-delen hjælper, da systemet kan genoptrænes med prøver, der gradvist bringer det automatiserede system på linje med den tidligere manuelle inspektion, men med både højere nøjagtighed og gentagelighed.
Inspektion på produktionslinjen
JLI designede, fremstillede og installerede et inspektionssystem, der inspicerer kvartsglasrør, mens rørene transporteres gennem systemet.
Rørene scannes og behandles ved hjælp af en kombination af standard machine vision (udvælger kandidater) og machine learning (klassificerer kandidater).
Klassificeringsnøjagtigheden er >95 %, hvilket er bedre og mere konsekvent end den tidligere manuelle inspektion.
Download case study
Kan vi også hjælpe dig?
Send mig en e-mail på hb@jlivision.com
eller book et møde, så vi kan finde ud af, hvordan vi kan hjælpe dig.