自动化视觉检查

自动化视觉检查 (AVI) 是一套用于对于制造产品缺陷进行检测和分类的方法。现代视觉检查使用机器学习和深度学习算法来辅助和改进质量保证流程。

自定义缺陷检测必须准确地确定给定图像中缺陷的位置，并对缺陷类别进行分类。一般情况下，您可以使用最先进的有监督深度学习模型来检测不同大小的缺陷，例如使用最新的 you only look once (YOLO) 算法。性能最优的模型能够实时表征和定位缺陷。

您可以使用异常检测深度学习方法来确定所制造产品的图像是正常还是异常。此外，您还可以使用异常定位生成精确且可解释的结果。您可以通过这种方法使用异常图来创建缺陷的可视化表示。

具体选择哪个检测模型来自动化视觉检查任务取决于若干因素。这些因素包括可用于正常和异常样本的训练数据量、要识别的异常类的数量以及理解和监控预测值所需的定位信息的类型。有关详细信息，请参阅。

要执行自动化视觉检查，请从附加功能资源管理器下载 Automated Visual Inspection Library for Computer Vision Toolbox™。有关下载附加功能的详细信息，请参阅获取和管理附加功能。某些功能还需要 Deep Learning Toolbox™。