注意:基于U-Net的语义细分用于线检测
Hunor István Lukács1,2, Bence Zsolt Beregi3,4, Balázs Porteleki4
1Department of Artificial Intelligence, Faculty of Informatics, ELTE Eötvös Loránd University, Pázmány P. Sétány 1/A, Budapest, 1117, Hungary. lukacs.hunor@inf.elte.hu.
Scientific reports
|May 1, 2025
概括
本研究介绍了一种人工智能驱动的系统,用于自动视觉检查接接头,评估存在和几何维度. 这一创新通过减少人工劳动,显著提高了工业过程的效率和可靠性.
科学领域:
- 工业工程 工业工程 工业工程
- 计算机视觉 计算机视觉
- 材料科学 材料科学 材料科学
背景情况:
- 工业过程中的质量保证对于稳定性至关重要.
- 手动视觉检查组件,如接接头是劳动密集型和昂贵的.
- 目前的方法往往缺乏对缺陷的定量评估.
研究的目的:
- 开发一种人工智能驱动的解决方案,用于自动视觉检查接接头.
- 为了能够对接接头的几何尺寸进行定量评估.
- 提高工业质量控制的效率和可靠性.
主要方法:
- 使用了Attention U-Net架构进行图像分析.
- 集成的语义细分来识别接关节特征.
- 应用基于规则的指标用于定量缺陷评估和关键案例识别.
主要成果:
- 成功自动检测接接头和评估其尺寸.
- 证明了能够有效地区分接接头元件的能力.
- 通过基于规则的指标确定了需要人类干预的关键病例.
结论:
- 拟议的AI方法可以取代接接头的手动视觉检查.
- 自动化检查任务减少了对手工劳动的依赖.
- 该系统提高了整个工业过程的效率和可靠性.
