BODA博达智能科技返回项目示例 →

DEEP LEARNING DEFECT DETECTION

深度学习
缺陷检测

让细微缺陷更容易被发现,让质量判断更有依据。面向金属表面与工业产品外观,通过图像识别辅助发现缺陷和异常,减轻重复目检负担。

  • 表面缺陷识别
  • 异常区域定位
  • 辅助质量复核
缺陷检测工作台真实界面,展示原图、异常热力图和缺陷区域
缺陷检测软件界面 · 点击查看原图

从发现缺陷
到辅助质量判断

针对划痕、裂纹、夹杂、斑点等表面缺陷,学习产品图像中的特征,识别已知缺陷并指出位置;当缺陷样本难以收集时,也可从正常产品图像学习外观规律,提示与正常外观不同的区域,为质检人员提供复核线索。

软件界面截图

软件实际运行界面,展示异常检测、图片标注与训练曲线;示例结果不代表现场检测验收。

训练曲线界面,展示已有训练任务的指标变化
训练曲线界面 · 点击查看原图
图片标注界面,展示金属表面样本及缺陷标记
图片标注界面 · 点击查看原图

异常检测界面

异常检测工作台真实界面截图,展示原图、异常热力图与缺陷区域,辅助质量复核。

异常检测界面,展示产品原图、热力图和缺陷图工作区
异常检测界面 · 点击查看原图

解决客户的质量检测难题

减轻重复目检负担

用图像检测辅助筛查大量产品图片,让人员把精力放在异常复核和质量处置上。

减少主观判定差异

围绕产品样本建立统一的识别依据,减少不同人员、不同班次之间的判断差异。

应对缺陷样本不足

以正常外观作为学习基础,辅助发现偏离正常形态的区域,为少缺陷样本场景提供检测思路。

让异常更容易复核

通过缺陷位置或异常热力图提示关注区域,帮助质检人员更快找到问题、核对结果。

围绕客户产品
建立检测依据

适用于金属材料、零部件等产品的表面质量辅助检测,可结合客户自有样本开展适配,并通过本地部署与上位机系统衔接。实际检测效果需结合现场样本、成像条件及误报漏检要求验证后确定。