鋁塑膜檢測(cè)  機(jī)器視覺解決方案
諾威特簡(jiǎn)介
諾威特（NOVTEC） 成立于2003年，總部位于江蘇蘇州，是專業(yè)從事測(cè)試解決方案的高科技企業(yè)，為企業(yè)和研

究機(jī) 構(gòu)提供大量的測(cè)試儀器設(shè)備解決方案。使用人工智能Artificial intelligence（Ai）深度學(xué)習(xí)對(duì)

復(fù)雜多變的產(chǎn)品外觀缺陷 進(jìn)行有效識(shí)別和判斷，內(nèi)建的深度學(xué)習(xí)建立多層神經(jīng)網(wǎng)絡(luò)，特殊的圖像處理方式和

復(fù)雜的算法，使EL缺陷的漏判率可以達(dá) 到“零”，解決了多年來人工判別的漏檢和錯(cuò)檢問題，并提供機(jī)器視

覺解決方案，其極快的判斷速度和高準(zhǔn)確性滿足在線檢測(cè)的需求，為新能源行業(yè) 的“工業(yè)4.0”和“中國(guó)制

造2025”提供了可靠的技術(shù)保障。

機(jī)器視覺解決方案 深度學(xué)習(xí)
通過算法，使得機(jī)器能從大量歷史數(shù)據(jù)中學(xué)習(xí)規(guī)律，從而對(duì)新的樣本做智能識(shí)別，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)中一

種基于對(duì) 數(shù)據(jù)進(jìn)行特征學(xué)習(xí)的方法。觀測(cè)值（例如一幅圖像）可以使用多種方式來表示，如每個(gè)像章強(qiáng)度值

的向量，或者更抽象地 表示成一系列邊、特定形狀的區(qū)域等。而使用某些特定的表示方法更容易從實(shí)例中學(xué)

習(xí)任務(wù)（例如，缺陷類型）。

例如，使用人工智能方法能有效的進(jìn)行光伏電池、組件產(chǎn)品的EL缺陷檢測(cè)，能快速準(zhǔn)確的找出缺陷的位置，

并進(jìn)行標(biāo) 注，較傳統(tǒng)的使用圖片灰度掃描方法進(jìn)行判斷，特別是多晶硅組件電池的EL圖片干擾因章復(fù)雜，具

有的技術(shù)優(yōu)勢(shì)；我 們提供的檢測(cè)EL的方案使用的是神經(jīng)網(wǎng)絡(luò)技術(shù)，通過定義單多晶硅組件缺陷產(chǎn)品圖片

的缺陷類型，軟件系統(tǒng)會(huì)進(jìn)行缺陷特 征的自學(xué)習(xí)和深度學(xué)習(xí)，建立多層網(wǎng)絡(luò)，從而找出EL圖片的缺陷部分。

缺陷檢測(cè)以高精確度與高處理速度為基礎(chǔ)
更好的服務(wù)于有自動(dòng)化需求的制造業(yè)工廠
簡(jiǎn)便快速生成深度學(xué)習(xí)模型，無需算法優(yōu)化作業(yè)
諾威特是在PCB、光伏、顯示屏、電子產(chǎn)品、新能源電池等多種領(lǐng)域使用的以深度學(xué)習(xí)為基礎(chǔ)的機(jī)器視覺檢測(cè)

軟件?，F(xiàn)在也在現(xiàn)場(chǎng)以多樣的數(shù)據(jù)為基 礎(chǔ)進(jìn)行學(xué)習(xí)不測(cè)試，不斷實(shí)現(xiàn)性能的提升。從標(biāo)簽工具到結(jié)果輸出，

以驗(yàn)觀的圖片結(jié)果為基礎(chǔ)為用戶提供用戶體驗(yàn)以及便利性。已在復(fù)雜的生產(chǎn)線 上提供數(shù)據(jù)采檢、缺陷檢測(cè)服

務(wù)。

各個(gè)缺陷類型需要學(xué)習(xí)幾張圖像數(shù)據(jù)？
需學(xué)習(xí)圖像數(shù)量根據(jù)圖像的復(fù)雜程度會(huì)有所不同，但在初期不同的瑕疵類型提供30-100張左右即可。
神經(jīng)網(wǎng)絡(luò)模型建立所需要的時(shí)間有多長(zhǎng)？
一般2048*2048像章大小，1000張為標(biāo)準(zhǔn)的話，需要30分鐘左右。
在實(shí)際的生產(chǎn)線上處理圖像的速度能達(dá)到什么程度？
根據(jù)神經(jīng)網(wǎng)絡(luò)條件會(huì)有所不同，但在2048*2048像章大小的圖像，每秒鐘可實(shí)時(shí)處理50張。

部分案例
鋁塑膜檢測(cè)
加裝于：復(fù)合、分切工段
可檢測(cè)缺陷類型
劃痕、氣泡、魚眼、漏涂、異物、凸點(diǎn)、魚鱗紋、繡印、暗紋、皮膚紋、鋁塑膜檢測(cè)

機(jī)器視覺解決方案
諾威特的深度學(xué)習(xí)解決方案和傳統(tǒng)機(jī)器視覺檢測(cè)的不同點(diǎn)
傳統(tǒng)機(jī)器視覺解決方案：
無法分析無規(guī)律圖像；當(dāng)圖像不規(guī)則、無規(guī)律時(shí)，缺陷的特征很難通過 手動(dòng)設(shè)定，因此無法分析圖像。精確

度低，如果缺陷部分和之前設(shè)定好的缺陷特征有輕微的 出入，傳統(tǒng)視覺都無法檢測(cè)出這樣的缺陷，導(dǎo)致檢測(cè) 

的精準(zhǔn)度下降。實(shí)現(xiàn)自動(dòng)化檢測(cè)進(jìn)入壁壘高；生產(chǎn)環(huán)境發(fā)生變化時(shí)，需要特定的工程師進(jìn)行優(yōu)化作業(yè)并且手

動(dòng)設(shè)定不斷變化的缺陷特征。

諾威特深度學(xué)習(xí)解決方案：
即使圖像復(fù)雜，通過深度學(xué)習(xí)算法，軟件可以自動(dòng) 學(xué)習(xí)瑕疵的特征，使得無規(guī)律圖像的分析變得可能。
精確度高；通過深度學(xué)習(xí)算法和制造業(yè)*的數(shù)據(jù)提高檢測(cè)的精準(zhǔn)度。

新增功能
通過圖像對(duì)比，降低優(yōu)化的費(fèi)用
為了實(shí)現(xiàn)優(yōu)化檢測(cè)，根據(jù)不同產(chǎn)品/缺陷的特性，可選擇四種神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
利用可視標(biāo)簽（Visual Labeler）減少標(biāo)記時(shí)間
利用可視化調(diào)試器（Visual Debugger）提高檢測(cè)分析的效率
利用批處理（Batch Processing）使圖像處理速度

如何使用：
上傳照片
圖片分類
標(biāo)記
形成模型
測(cè)試
輸出模型

機(jī)器視覺解決方案優(yōu)勢(shì)：
諾威特解決方案是您的選擇
使用針對(duì)制造業(yè)的*算法，確保檢測(cè)的精準(zhǔn)度
自主開發(fā)的算法使處理速度達(dá)到
專業(yè)的深度學(xué)習(xí)解決方案研發(fā)團(tuán)隊(duì)為您量身打造解決方案
自主開發(fā)的算法使處理速度達(dá)到