应用案例

　　项目背景

　　传送链用于驱动传送带。这些链条承受不同的负载（约 15 吨）和速度（每分钟 65 英尺），这可能会导致它们出现裂缝。为了使其有效工作，链条需要没有裂缝。 链条上的任何裂纹都将导致链节断裂并最终停止制造操作。

　　项目需求

　　没有适当的机制来识别移动输送机上的裂缝，链条的检查完全是手动的，并且只有在它们静止时才能进行。一旦发现裂缝，操作员就会更换链条。尽早识别链条上的裂缝，以减少停机时间并获得高产量。

　　解决方案

　　使用基于 AI 的视觉系统对金属链进行光学检测视觉系统和人工智能如何解决这个问题？解决方案的开发包括 4 个重要部分，即图像采集、机器学习、解决方案部署和精度改进。

　　1、图像采集装置包括一个带红线灯的摄像头，以最小的反射照亮链条的表面。该设置有助于数据收集，即获取链接/链的图像。

　　2、机器学习部分出现在数据收集之后。它也被称为数据注释，其中图像用于在注释（边界框）的帮助下训练基于AI的模型。

　　3、将经过训练的模型部署在现场生产线上，以实时检查是否存在裂缝。

　　4、在理想情况下，并非所有缺陷（裂缝）每次看起来都相同，可能存在一些未经预训练的缺陷。因此，需要通过重新训练模型来提高准确性，直到所有变化都被训练以确保不会遗漏前所未有的裂缝。