現在 世界市場にある視覚検査ソフトウェアの大部分は AI アルゴリズムではなく 伝統的なアルゴリズムで 一般的に前向き比較として知られています良質な製品データを入力し,他の製品と比較することで異なるものは不適合製品とみなされます.従来のアルゴリズムは,第一世代の測定データに基づいて確立されたアルゴリズム規格です.製品マッチングを検出し,ソフトウェアに適応するソフトウェアには様々な欠陥モジュールが事前に設定されており,現場のオペレーターは,検出のために異なる欠陥モジュールを製品の異なる位置に回転します.検知カメラを通して迅速に移動する検出位置が異なる程度に偏りやすいため,ソフトウェアは,検出精度を確保するために,検知された製品上の検知位置を円を描きを通して継続的に調整する必要があります.調整されたパラメータは複雑で,操作はロックされ,操作者に対する技術要求は高く,また干渉,誤判,製品外構造の影響で検出が失敗した.
技術的な利点:
測定および位置付けのニーズに適し,測定精度が高い.
技術的な欠点:
1プログラムパラメータは数多く,複雑で,プロのデバッグスタッフの経験に大きく依存するパラメータ間にはしばしば相関がある.
2特殊なニーズに特化したアルゴリズムの開発には,長い開発サイクルが必要であり,アルゴリズムモデルを迅速に追加することはできません.
3複雑な要求に対して高速なアルゴリズムがないため,計算効率が低く,欠陥検出は1種類しかない.
4. 運用条件に対する高い要求と環境への適応性の低下
現在 世界市場にある視覚検査ソフトウェアの大部分は AI アルゴリズムではなく 伝統的なアルゴリズムで 一般的に前向き比較として知られています良質な製品データを入力し,他の製品と比較することで異なるものは不適合製品とみなされます.従来のアルゴリズムは,第一世代の測定データに基づいて確立されたアルゴリズム規格です.製品マッチングを検出し,ソフトウェアに適応するソフトウェアには様々な欠陥モジュールが事前に設定されており,現場のオペレーターは,検出のために異なる欠陥モジュールを製品の異なる位置に回転します.検知カメラを通して迅速に移動する検出位置が異なる程度に偏りやすいため,ソフトウェアは,検出精度を確保するために,検知された製品上の検知位置を円を描きを通して継続的に調整する必要があります.調整されたパラメータは複雑で,操作はロックされ,操作者に対する技術要求は高く,また干渉,誤判,製品外構造の影響で検出が失敗した.
技術的な利点:
測定および位置付けのニーズに適し,測定精度が高い.
技術的な欠点:
1プログラムパラメータは数多く,複雑で,プロのデバッグスタッフの経験に大きく依存するパラメータ間にはしばしば相関がある.
2特殊なニーズに特化したアルゴリズムの開発には,長い開発サイクルが必要であり,アルゴリズムモデルを迅速に追加することはできません.
3複雑な要求に対して高速なアルゴリズムがないため,計算効率が低く,欠陥検出は1種類しかない.
4. 運用条件に対する高い要求と環境への適応性の低下
