菲特(天津)检测技术有限公司+嵌入式软件+电极帽检测
当前,国内多数工业企业已经跨越装备自动化阶段,正在从流程数字化向智能制造转型。质检是智能制造中非常重要的一环。如果想使用传统的目标检测方法,往往带来项目周期长,检出精度不尽如人意以及成本过高、浪费等问题。这个时候就是异常检测登场的时机,异常检测以其无需缺陷件,无需标注信息,能应对可能出现的未知缺陷等优势,成为了工业质检中的一股强大的新兴力量。基于嵌入的异常检测算法在目前工业质检领域则具有相对更具有实用价值的表现。所谓的基于嵌入的方法指的是:将图像送入已经与训练好的目标检测模型,提取图像种的深层语义特征,并在特征空间中构造分界面或者评分规则。这类方法与上文谈到的重构方法的主要不同在于,其不在RGB图像空间而是在高维的特征空间中进行异常检测。这一类算法使用在其他数据集上事先训练好的的神经网络模型,从正常样本图像中抽取出对应的高维特征,在检测时,计算待检测图片和正常样品图片特征之间的向量距离,根据这一距离和事先划定好的距离来判断图像上是否有异常,若有异常那么异常又属于待检测图像的具体哪个部分。这一类别异常检测算法,虽然理论相对简单,但开拓了一个异常检测的研究方向,而且相对于之前其他异常检测方法,对于异常定位的效果却异常的好,更加贴合工业质检的需求。