APLICAÇÃO DIRECIONADA DE APRENDIZAGEM PROFUNDA PARA EQUIPAMENTO DE INSPEÇÃO VISUAL AUTOMATIZADA

APLICAÇÃO DIRECIONADA DE APRENDIZAGEM PROFUNDA PARA EQUIPAMENTO DE INSPEÇÃO VISUAL AUTOMATIZADA. Em um método para aprimorar a precisão e a eficiência na inspeção visual automatizada de vasos, um vaso contendo uma amostra é orientado de modo que uma câmera de varredura de linha tenha uma visão de pe...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: OSVALDO PEREZ, SANDRA RODRIGUEZ-TOLEDO, MANUEL A. SOTO, JAVIER O. TAPIA, ERIC R. FLORES-ACOSTA, JORGE DELGADO TORRES, BRENDA A. TORRES, NEELIMA CHAVALI, ROBERTO C. ALVARADO RENTAS, THOMAS C. PEARSON
Format: Patent
Sprache:por
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:APLICAÇÃO DIRECIONADA DE APRENDIZAGEM PROFUNDA PARA EQUIPAMENTO DE INSPEÇÃO VISUAL AUTOMATIZADA. Em um método para aprimorar a precisão e a eficiência na inspeção visual automatizada de vasos, um vaso contendo uma amostra é orientado de modo que uma câmera de varredura de linha tenha uma visão de perfil de uma borda de uma rolha de retenção do vaso. Uma pluralidade de imagens da borda da rolha de retenção é capturada pela primeira câmera de varredura de linha enquanto se gira o vaso, onde cada imagem da pluralidade de imagens corresponde a uma posição de rotação diferente do vaso. Uma imagem bidimensional da borda da rolha de retenção é gerada com base em pelo menos a pluralidade de imagens, e os pixels da imagem bidimensional são processados por um ou mais processadores executando um modelo de inferência que inclui uma rede neural treinada, para gerar dados de saída indicativos de uma probabilidade de que a amostra seja defeituosa. In a method for enhancing accuracy and efficiency in automated visual inspection of vessels, a vessel containing a sample is oriented such that a line scan camera has a profile view of an edge of a stopper of the vessel. A plurality of images of the edge of the stopper is captured by the first line scan camera while spinning the vessel, where each image of the plurality of images corresponds to a different rotational position of the vessel. A two-dimensional image of the edge of the stopper is generated based on at least the plurality of images, and pixels of the two-dimensional image are processed, by one or more processors executing an inference model that includes a trained neural network, to generate output data indicative of a likelihood that the sample is defective.