企业新闻
Company News
三姆森正式推出人工智能检测软件—S-Gamma V1.0深度学习检测系统
随着AI人工智能技术的快速发展，人工智能也逐步开始在工业领域中应用，九游会J9首次将深度学习技术应用到3C领域的缺陷检测设备，开发出以人工智能深度学习技术为主的S-Gamma缺陷检测系统V1.0版本，核心开发成员由国际知名教授、人工智能领域国际知名专家、IEEE院士联合互联网资深团队主导开发。该系统可用于缺陷识别、物体分类、定位等功能应用，其可用于3C产品及零部件、半导体、LED、医药、汽车等行业，其结合传统算法实现对以下类型产品进行高精密外观缺陷检测：
1、金属加工件：手机按键、摄像头圈、卡托、Type-C外壳、充电器插头等及部分精密加工件；
2、玻璃制品：手机后盖、屏幕玻璃、液晶面板、显示器等）、
3、塑胶制品：手机纳米材料后盖、充电器塑胶外壳等塑胶制品；
4、整机及模组外观：手机整机外观检测、屏幕点亮后外观检测、摄像头模组六面体外观检测、Type-C插头外观检测、电池模组外观检测等；
3C行业常见检测产品
3C行业常见检测缺陷
深度学习不同于传统工业机器视觉，不需要专业人员的定制开发算法，前期只需要一部分NG和OK样本图片用于缺陷标注训练即可完成模型的建立， 后期遇到新增缺陷类型时，只需要完成新类型缺陷样本训练优化模型就能够完成新缺陷检测。
深度学习检测流程
深度学习在外观缺陷检测领域的应用，其克服了传统算法被复杂背景干扰的问题以及无法对缺陷类型稳定分类等问题，因此在缺陷检测领域中，深度学习具有更多的优势。
深度学习与传统算法的对比
案例一：金属件外观缺陷检测案例分享
检测产品:
手机充电器PIN
检测内容:
检测产品5个面共6种缺陷：划伤、点伤（凹点）、缺口、脏污、亮印、模印
检测要求:
1.缺陷产品漏检率0.3 %以内，
2.产品过杀率5%以内；
3.脏污缺陷：对菲林卡，小于0.1mm²以内OK；
4.点伤、划伤：0.02~0.08 mm²2个以上NG，0.08~0.1 mm²1个NG。
产品缺陷分析:
1.产品表面结构为粗糙面（类似磨砂质地），为电镀成型后的阶段，表面粗糙有很多凹坑影响成像质量
2.划伤缺陷为表面凹状类缺陷，可能已伤及电镀层，缺陷凹坑形状较细并且都是比较深的，形状不一，位置不同
3.点伤类缺陷是表面凹状类缺陷，面积较小，但分布比较多，深浅不一
4.模印缺陷为产品制作是模具上造成的缺陷，在电镀后检测时，产品表面已经没有太大差异，缺陷比较轻微的人眼也较难识别。
5.脏污亮印缺陷为产品表面，电镀层上面存在的脏污和亮印，未伤及电镀层
检测方案:
采用直线式设备,机械手上下料,5个工位检测，治具可以旋转,光源频闪，分步拍照产品表面缺陷,深度学习算法处理图像,全面实现外观缺陷检测，根据检测结果自动摆满托盘,自动叠盘收料，如图所示；
设备外形图
检测工位
检测效果:
案例二：Type-c外观缺陷检测案例分享
检测产品:
Type-c连接器
检测内容:
检测产品铝屑不良、缺pin、塑料屑异物、塑料损伤、舌片底部金属丝、舌片端子漏B点等外观缺陷；
检测要求
1.缺陷产品漏检率0%，
2.产品过杀率5%以内；
检测方案:
采用直线式自动设备，对接客户自动化产线，共有4个检测工位，产品通过直振上料，移载到检测工位进行拍照检测，利用深度学习算法跟传统算法相结合的方式，对产品缺陷进行检测识别，再根据检测效果进行OKNG分类，如图所示；
设备外形图
检测工位
检测效果:
检测效果1
检测效果2
检测效果3
检测效果4
案例三：字符外观缺陷检测案例分享
检测产品:
镭射字符缺陷检测
检测内容:
检测产品黑点、白点、异色等外观缺陷；
检测要求:
1.缺陷产品漏检率0.5%，
2.产品过杀率5 %以内；
3.黑点：0.1mm²2个以上NG，0.15 mm²1个NG。
检测方案:
该设备采用料盘整盘上料的方式上料，机械手一次性将整盘产品从料盘内取出放置到检测治具，检测治具通过底部真空将产品吸平并固定在治具上，带有XY轴的拍照系统对产品进行逐一拍照，采集到图像听过S-Gamma缺陷检测系统进行检测判断，并将其结果输出到分类机构进行产品分类。
检测效果:
检测效果1
检测效果2
深度学习是人工智能的革命性的突破，大幅提高了机器学习、机器视觉、智能分析处理能力,带来行业的变革、人工智能的热潮，深度学习应用到外观缺陷检测，使缺陷检测变得不再复杂、改变了传统算法易受复杂背景等因素的影响、更准确的提高的产品的缺陷分类，深度学习技术的应用将产品检测的检出率、漏检率、过杀率等指标不断提升，防止不良产品流出到客户端，实时的数据反馈系统能够及时的将产品数据反馈出来，对提升改善品质提供参考依据。
