在產(chǎn)品質(zhì)量外觀檢測(cè)的世界里，人眼只能辨別那些大于 0.5 毫米大小的瑕疵還伴著巨大的誤判風(fēng)險(xiǎn)。隨著工作時(shí)間的延長(zhǎng)，眼睛的疲勞和衰老更加增加了誤判的風(fēng)險(xiǎn)。而傳統(tǒng)的機(jī)器視覺檢測(cè)在圖像處理和瑕疵定位等方面有所欠缺，導(dǎo)致瑕疵檢測(cè)的準(zhǔn)確率低，性能不穩(wěn)定，而且對(duì)于流水線實(shí)現(xiàn)智能自動(dòng)檢測(cè)非常有難度。由此可見，無(wú)論是傳統(tǒng)的機(jī)器視覺檢測(cè)，還是“肉眼”檢測(cè)產(chǎn)品外觀質(zhì)量的能力和效率以及準(zhǔn)確率和范圍都是非常有限的。
深度學(xué)習(xí)的思想源自于“人工神經(jīng)網(wǎng)絡(luò)”，從大腦中汲取靈感，模擬人腦分析問題機(jī)制并建立分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)的基本構(gòu)建模塊是人工神經(jīng)元-模仿人類大腦神經(jīng)元。正如大腦數(shù)十億個(gè)神經(jīng)元神經(jīng)元分布在神經(jīng)網(wǎng)絡(luò)的幾個(gè)層中，之間有數(shù)萬(wàn)個(gè)連接，深度學(xué)習(xí)模型涉及大量的計(jì)算單元，它們彼此交互時(shí)對(duì)所建模數(shù)據(jù)潛在分布的多層表征進(jìn)行自主學(xué)習(xí)。
為了契合日趨嚴(yán)苛的高效高標(biāo)準(zhǔn)瑕疵檢測(cè)需求，?？怂箍底灾餮邪l(fā)基于深度學(xué)習(xí)的Proxima瑕疵檢測(cè)軟件系統(tǒng)，解決客戶在產(chǎn)品表面瑕疵檢測(cè)環(huán)節(jié)遇到的各種問題。
Proxima 可檢測(cè)的主要瑕疵類型有：
劃痕 刀痕 崩缺 氣泡 凸起 凹痕 擦傷 雜質(zhì) 變形 崩邊 白點(diǎn) 條紋 黑點(diǎn) 皺縮 波紋 裂紋
Proxima軟件的特性
訓(xùn)練快速，結(jié)果精確
Proxima 在訓(xùn)練的過程中，通過多層神經(jīng)網(wǎng)絡(luò)層比如卷積神經(jīng)網(wǎng)絡(luò)，循環(huán)神經(jīng)網(wǎng)絡(luò)，深度神經(jīng)網(wǎng)絡(luò)，長(zhǎng)短期記憶網(wǎng)絡(luò)等高效地對(duì)學(xué)習(xí)模型進(jìn)行訓(xùn)練并且將訓(xùn)練速度進(jìn)行優(yōu)化。因此，Proxima 的智能瑕疵檢測(cè)率高達(dá)95% 以上并具有靈活的的多功能擴(kuò)展性。
性能穩(wěn)定，高效
Proxima 在學(xué)習(xí)的過程中，通過評(píng)估提取目標(biāo)，特征分析以及分類模型的迭代來優(yōu)化檢測(cè)的穩(wěn)定和效率。Proxima 集圖像處理，特征識(shí)別，多種深度學(xué)習(xí)建模以及其他高科技于一身，這使得Proxima 在圖像特征的識(shí)別能力和穩(wěn)定性是其他機(jī)器視覺檢測(cè)系統(tǒng)無(wú)可媲美的。
訓(xùn)練模型，方法多元化，應(yīng)用性廣泛
Proxima 可根據(jù)訓(xùn)練集評(píng)估，生成可應(yīng)用的高效學(xué)習(xí)模型。Proxima 通過切換多種自主研發(fā)的機(jī)器學(xué)習(xí)模型，使得訓(xùn)練高效并且結(jié)果輸出穩(wěn)定。目前Proxima 已廣泛投入到3C 行業(yè)（電子，通訊和消費(fèi)品）瑕疵檢測(cè)中。汽車行業(yè)，航空航天零部件和裝配件上也是Proxima 馳騁的領(lǐng)域。
結(jié)果輸出迅速且可視化
Proxima 的結(jié)果報(bào)告輸出非常迅速，結(jié)果報(bào)告不僅含瑕疵的定位，形狀，尺寸以及分類等，還包含了統(tǒng)計(jì)信息等。用戶可直接打開報(bào)告并快速預(yù)覽報(bào)告。
操作簡(jiǎn)單易上手
Proxima 研發(fā)團(tuán)隊(duì)無(wú)論是在軟件的操作還是界面的設(shè)計(jì)，都遵循簡(jiǎn)單易上手的設(shè)計(jì)理念，以便大部分的用戶無(wú)需進(jìn)行復(fù)雜的培訓(xùn)就可上手。Proxima 的軟件界面遵循微軟辦公的標(biāo)準(zhǔn)設(shè)計(jì)。操作流程上只需“標(biāo)注，訓(xùn)練，檢測(cè)，”三步即可出結(jié)果。
內(nèi)置算法且適用性強(qiáng)
Proxima 支持多種圖片預(yù)處理的高級(jí)算法，卷積神經(jīng)模型等機(jī)器學(xué)習(xí)模型和結(jié)果的統(tǒng)計(jì)分析。Proxima 可通過標(biāo)準(zhǔn)的網(wǎng)線傳輸TCP/IP 協(xié)議與其他廠商的測(cè)量設(shè)備比如X-Ray 所拍攝的照片進(jìn)行瑕疵檢測(cè)。
區(qū)別于其他傳統(tǒng)的缺陷檢測(cè)方式，?？怂箍档牡腜roxima瑕疵檢測(cè)系統(tǒng)只需要少量的瑕疵圖片就可在短時(shí)間內(nèi)進(jìn)行大規(guī)模的訓(xùn)練。而且采用GPU專用處理算法，大幅提升檢測(cè)效率，以及通過基于深度學(xué)習(xí)的檢測(cè)算法,可以提高準(zhǔn)確度，降低漏檢率和過殺率。
不僅僅是瑕疵檢測(cè)…
Proxima將軟件瑕疵檢測(cè)與尺寸檢測(cè)合二為一，解決用戶瑕疵需求的同時(shí)也解決用戶尺寸的檢測(cè)需求。這項(xiàng)功能可謂是一舉兩得，減少了大量的時(shí)間和投資成本，提升了產(chǎn)品質(zhì)量的同時(shí)也驅(qū)動(dòng)產(chǎn)量的提升。
Proxima的優(yōu)勢(shì)
Proxima 聚焦于產(chǎn)品外觀瑕疵檢測(cè)，相比于人工視覺檢測(cè)和傳統(tǒng)的機(jī)器視覺檢測(cè)，這雙慧眼具有以下不可比擬的優(yōu)勢(shì)：
圖像分析：
人工檢測(cè)/傳統(tǒng)機(jī)器視覺：無(wú)法分析無(wú)規(guī)律的圖像
Proxima：利用深度學(xué)習(xí)的算法對(duì)瑕疵進(jìn)行學(xué)習(xí)， 提取，分析，無(wú)規(guī)律圖像變成可分析
準(zhǔn)確率：
人工檢測(cè)/傳統(tǒng)機(jī)器視覺： 準(zhǔn)確率無(wú)論是人工和傳統(tǒng)機(jī)器都偏低，易出現(xiàn)誤判
Proxima：通過深度學(xué)習(xí)算法，高級(jí)圖像處理， 模式識(shí)別等提高了檢測(cè)的精準(zhǔn)度高達(dá)95%
自動(dòng)化：
人工檢測(cè)/傳統(tǒng)機(jī)器視覺：實(shí)現(xiàn)流水線上的檢測(cè)自動(dòng)化圍墻高
Proxima：檢測(cè)瑕疵的同時(shí)，可在線實(shí)現(xiàn)尺寸檢測(cè)，實(shí)現(xiàn)瑕疵 + 尺寸檢測(cè)的自動(dòng)化
