EyeVision detektiert Kratzer oder andere Beschädigungen auf Oberflächen mit dem einfach und grafisch einzulernenden Deep Learning Homogeneity Inspector. Allerdings sind nicht alle Kratzer auf Anhieb für die Kamera sichtbar.
Mit Polfilter Kratzer sichtbar machen
Kunststoffe oder Metalle haben polarisierende Eigenschaften. Diese Eigenschaft kann sich der Anwender zu Nutze machen und mit Polfiltern auf der Kameralinse die Oberflächenkratzer sichtbar machen. Zusätzlich können Reflexionen reduziert und die Kanten verstärkt werden. Dabei können sowohl Farb- als auch Graubildkameras verwendet werden.
Das Beitragsbild zeigt die vermeintlich glatte, schwarze Oberfläche eines Kunststoffgehäuses, aufgenommen mit einem Dino-Lite Mikroskop mit Polfilter. Dabei werden, jede Menge, unsichtbarer Kratzer plötzlich sehr deutlich sichtbar.
Deep Learning Homogeneity Inspector
Die EyeVision Software kann Oberflächenfehler auf ganz unterschiedliche Weise erkennen. Entweder mit klassischen Bildverarbeitungsmethoden oder mit den neuen Deep Learning Algorithmen, welche sich viel besser für eine solche Aufgabe eignen. Für den EyeVision Deep Learning Homogeneity Inspector braucht der Anwender keine formalisierte Spezifikation oder gar Toleranzbereiche. Ganz ohne Parametrieren werden anhand des Ein-Klassen-Klassifikators Gutteile eingelernt und dadurch fehlerhafte Teile erkannt.
Der EVT Homogeneity Inspector schließt die komplexe Funktionalität zu einem im Gebrauch unkomplizierten EyeVision Befehl zusammen, wobei der Nutzer einfache grafische Werkzeuge zur Verfügung hat und nur wenige Parameter angefordert werden. Dadurch ist der Trainingprozess einfach.
Dies funktioniert z.B. bei Oberflächenprüfung auf Metall, Textilien oder Faserplatten. Aber die beschriebene Methode zur automatisierten Qualitätskontrolle greift bei vielerlei Oberflächen und funktioniert für diverse Datentypen.
Mit Polfilter Kratzer sichtbar machen
Kunststoffe oder Metalle haben polarisierende Eigenschaften. Diese Eigenschaft kann sich der Anwender zu Nutze machen und mit Polfiltern auf der Kameralinse die Oberflächenkratzer sichtbar machen. Zusätzlich können Reflexionen reduziert und die Kanten verstärkt werden. Dabei können sowohl Farb- als auch Graubildkameras verwendet werden.
Das Beitragsbild zeigt die vermeintlich glatte, schwarze Oberfläche eines Kunststoffgehäuses, aufgenommen mit einem Dino-Lite Mikroskop mit Polfilter. Dabei werden, jede Menge, unsichtbarer Kratzer plötzlich sehr deutlich sichtbar.
Deep Learning Homogeneity Inspector
Die EyeVision Software kann Oberflächenfehler auf ganz unterschiedliche Weise erkennen. Entweder mit klassischen Bildverarbeitungsmethoden oder mit den neuen Deep Learning Algorithmen, welche sich viel besser für eine solche Aufgabe eignen. Für den EyeVision Deep Learning Homogeneity Inspector braucht der Anwender keine formalisierte Spezifikation oder gar Toleranzbereiche. Ganz ohne Parametrieren werden anhand des Ein-Klassen-Klassifikators Gutteile eingelernt und dadurch fehlerhafte Teile erkannt.
Der EVT Homogeneity Inspector schließt die komplexe Funktionalität zu einem im Gebrauch unkomplizierten EyeVision Befehl zusammen, wobei der Nutzer einfache grafische Werkzeuge zur Verfügung hat und nur wenige Parameter angefordert werden. Dadurch ist der Trainingprozess einfach.
Dies funktioniert z.B. bei Oberflächenprüfung auf Metall, Textilien oder Faserplatten. Aber die beschriebene Methode zur automatisierten Qualitätskontrolle greift bei vielerlei Oberflächen und funktioniert für diverse Datentypen.
