項(xiàng)目背景

　　傳送鏈用于驅(qū)動傳送帶。這些鏈條承受不同的負(fù)載（約 15 噸）和速度（每分鐘 65 英尺），這可能會導(dǎo)致它們出現(xiàn)裂縫。為了使其有效工作，鏈條需要沒有裂縫。 鏈條上的任何裂紋都將導(dǎo)致鏈節(jié)斷裂并最終停止制造操作。

　　項(xiàng)目需求

　　沒有適當(dāng)?shù)臋C(jī)制來識別移動輸送機(jī)上的裂縫，鏈條的檢查完全是手動的，并且只有在它們靜止時才能進(jìn)行。一旦發(fā)現(xiàn)裂縫，操作員就會更換鏈條。盡早識別鏈條上的裂縫，以減少停機(jī)時間并獲得高產(chǎn)量。

　　解決方案

　　使用基于 AI 的視覺系統(tǒng)對金屬鏈進(jìn)行光學(xué)檢測視覺系統(tǒng)和人工智能如何解決這個問題？解決方案的開發(fā)包括 4 個重要部分，即圖像采集、機(jī)器學(xué)習(xí)、解決方案部署和精度改進(jìn)。

　　1、圖像采集裝置包括一個帶紅線燈的攝像頭，以最小的反射照亮鏈條的表面。該設(shè)置有助于數(shù)據(jù)收集，即獲取鏈接/鏈的圖像。

　　2、機(jī)器學(xué)習(xí)部分出現(xiàn)在數(shù)據(jù)收集之后。它也被稱為數(shù)據(jù)注釋，其中圖像用于在注釋（邊界框）的幫助下訓(xùn)練基于AI的模型。

　　3、將經(jīng)過訓(xùn)練的模型部署在現(xiàn)場生產(chǎn)線上，以實(shí)時檢查是否存在裂縫。

　　4、在理想情況下，并非所有缺陷（裂縫）每次看起來都相同，可能存在一些未經(jīng)預(yù)訓(xùn)練的缺陷。因此，需要通過重新訓(xùn)練模型來提高準(zhǔn)確性，直到所有變化都被訓(xùn)練以確保不會遺漏前所未有的裂縫。