视觉算法外包,请评估是否可以实现,如果有兴趣请留下联系方式,我们沟通开发成本.希望可以完成代码集成,界面交互,当然单纯寻求算法层面的合作也可以.

• 请不要在回答技术问题时复制粘贴 AI 生成的内容

This topic created in 2519 days ago, the information mentioned may be changed or developed.

算法具体要求:比如我给你张产品图片,基于它生成各种图片,比如裂缝,划痕,洞(各种增噪),然后转换为二值或者任何可行的数值方案后建模作为 NG(不良品)的模型,方便导入到产线机器(模型导入数据库时候需要加密).

此学习建模部分为独立学习部分,和生产线隔离,技术栈: Python + Tensflow.

以下为生产线部分:

然后将此上述算法模型导入到生产线机器数据库.生产线上实际生产高速取样产品照片实时对比这些 NG,一旦符合就对此照片打上时间戳存入到指定位置方便以后品质部追逆.
-多个零件 /部件算法应该为各自独立算法并可以导入对应独立库,方便生产灵活切换调用.

界面 /客户端部分:倾向于 lnmp+django 基于 linxu(Debian/Centos), 然后 qt 开机自运行.
当然如果单独的 qt 可以实现内置 web server 更好, 数据库 pg/mysql 都无所谓.
由于高速计算对比要求,务必开机直接把算法从数据库加载到 redis 之类的 Nosql 中满足速度要求(redis/mongodb 都无所谓,目的达到即可)

其它的外设比如高速相机驱动安装和可视化自测需要加到客户端管理界面.
简单的用户权限分配.

可能会有算法模型-redis 之间数据加密 /解密耦合,增加破解难度要求.

Supplement 1 · Jul 16, 2019

终于可以附言了,这里补充部分:

生成图片有 2 个方案,并行或者二选一: 可能会有 ng 照片直接拿来训练(如果产线某零件运行时间足够久的话). 此外肯定有个学习条件输入端:比如一平方毫米允许多少个划痕 /裂缝之类.

初始照片一定是完美照片,可以用来做基准照片,产线各种光线,光亮不统一问题不存在,已经解决了.

目前算法数度暂时只牵涉到表面处理(也就是 2D 层次,如果类似带有深度裂缝之类的也会是转为划痕来对待)

Supplement 2 · Jul 16, 2019

附言请以此为准:

生成图片有 2 个方案,并行或者二选一:
1.定义 ng 输入端:比如一平方毫米允许多少个划痕 /裂缝之类.
-可以把零件表面按照区域切割,比如有些区域不需要识别,那就可以减少算法复杂性.

2.可能会有 ng 照片直接拿来训练(如果产线某零件运行时间足够久的话),这个也是提升精度的一个必要途径,方便导入已有 ng 图片提高识别精度.

可选的:人肉进行模型培训, 目前市面上不少打码平台,我们可以通过对接来实现人肉模型培训对接,成本不高(方案之一)

初始提供的基准照片一定是完美照片,产线各种光线,光亮不统一问题不存在,已经解决了(产线检测环节封闭提供稳定可靠的光源)

目前算法数度暂时只牵涉到表面处理(也就是 2D 层次,如果类似带有深度裂缝之类的也会是转为划痕来对待)

算法

Redis

导入

生产线

31 replies • 2019-07-20 19:31:30 +08:00