項目背景

　　傳送鏈用于驅動傳送帶。這些鏈條承受不同的負載（約 15 噸）和速度（每分鐘 65 英尺），這可能會導致它們出現(xiàn)裂縫。為了使其有效工作，鏈條需要沒有裂縫。 鏈條上的任何裂紋都將導致鏈節(jié)斷裂并最終停止制造操作。

　　項目需求

　　沒有適當?shù)臋C制來識別移動輸送機上的裂縫，鏈條的檢查完全是手動的，并且只有在它們靜止時才能進行。一旦發(fā)現(xiàn)裂縫，操作員就會更換鏈條。盡早識別鏈條上的裂縫，以減少停機時間并獲得高產量。

　　解決方案

　　使用基于 AI 的視覺系統(tǒng)對金屬鏈進行光學檢測視覺系統(tǒng)和人工智能如何解決這個問題？解決方案的開發(fā)包括 4 個重要部分，即圖像采集、機器學習、解決方案部署和精度改進。

　　1、圖像采集裝置包括一個帶紅線燈的攝像頭，以最小的反射照亮鏈條的表面。該設置有助于數(shù)據(jù)收集，即獲取鏈接/鏈的圖像。

　　2、機器學習部分出現(xiàn)在數(shù)據(jù)收集之后。它也被稱為數(shù)據(jù)注釋，其中圖像用于在注釋（邊界框）的幫助下訓練基于AI的模型。

　　3、將經過訓練的模型部署在現(xiàn)場生產線上，以實時檢查是否存在裂縫。

　　4、在理想情況下，并非所有缺陷（裂縫）每次看起來都相同，可能存在一些未經預訓練的缺陷。因此，需要通過重新訓練模型來提高準確性，直到所有變化都被訓練以確保不會遺漏前所未有的裂縫。