質量檢測是制造業進程中必不可少的一步，但質檢問題復雜、多樣、且多變。當前制造業大量的質檢工作仍然依靠人眼目視來完成——這一工作勞動強度大、人員招工難、專業度不高，并且很難保證質檢標準穩定和一致。
梅卡曼德正式發布的AI質檢平臺軟件Mech-DLK內置多種強大的深度學習算法，且有簡單的圖形化界面。用戶通過簡單操作，即可使用先進的人工智能技術高效解決各類復雜質檢問題，提升生產效率和質量，降低用工成本。
目前，Mech-DLK已經成功將AI質檢應用于新能源、3C電子、PCB（印刷電路板）、汽車、日用品等行業。
Mech-DLK四大功能模塊
| 
|
圖像分類 可指定類別后判斷物體狀態、類別，例如物體有無檢測、正反面檢測，缺陷分類等。 | 目標檢測 確認圖像中指定物體的類別、位置、數量。 |
| 
|
語義分割 像素級圖像分類，可應對精細程度高、形狀不規則的缺陷。 | 實例分割 從大量堆積的物品中識別并找出指定物體，標注出物體的輪廓及類別。 |
技術優勢
高精度算法
自研高精度深度學習檢測算法，可應對多種檢測類應用，減少參數數量的同時保證缺陷檢測準確率。
支持小樣本數據
依靠先進的數據倍增方式，Mech-DLK可快速整合圖像數據，少量樣本即可完成模型訓練。
先進的訓練過程
基于自主設計的先進損失函數，自適應調整正負樣本平衡策略，使訓練收斂更快。
功能優勢
操作簡單
圖形化界面功能完善且操作便捷，用戶無需專業技能即可實現多種深度學習應用；
采用數據列表、圖片備注等功能，便于數據的導入、查找和管理；
便捷的標注方式，大幅提升操作效率。
?
高效部署
支持級聯多個深度學習模型，部署復雜的檢測類應用只需一個模型包。
驗證結果可視化
支持模型驗證，對比標注結果大幅提升視覺方案驗證效率。
開放易用
支持使用 Mech-Vision 圖形化機器視覺軟件進行部署；提供 C、C++ 以及 C# 等不同語言的SDK，便于用戶二次開發；
Mech-DLK可針對不同的應用場景（無序抓取、工件上下料、檢測測量）需求提供相應的軟件版本。
實際案例
動力電池焊縫缺陷檢測
項目難點：
項目需檢測軟包鋰電池極耳在激光焊接過程中產生的外觀缺陷。軟包鋰電池產品種類較多，不同機種極耳排布不同，檢測工程需要兼容多種產品，且部分缺陷成像不明顯。
▲軟包動力電池及其激光焊接缺陷檢測結果圖
項目優勢：
· 檢測速度快，可以應對各類細小缺陷；
· 配合 Mech-Vision 圖形化機器視覺軟件快速部署深度學習業務，與產線現存的自動化設備無縫集成；
· 利用 Mech-DLK 深度學習軟件，用少量缺陷圖片訓練高精度檢測模型；
· 基于 Mech-DLK 模型級聯方式，“端到端”實現缺陷檢測和缺陷分類；
· 投資回報率高，完全滿足用戶需求。
項目成果：
視覺方案已替代客戶人工質檢工位，漏檢率＜ 0.2%，過檢率＜ 1%。
RJ45 接插件缺陷檢測
項目難點：
項目需檢測 RJ45 接插件頂面、側面和 Pin 針插孔等各功能區的外觀缺陷。RJ45 接插件各表面的材質不同且外觀缺陷種類較多，部分外觀缺陷如金屬面劃傷、注塑面凹坑等缺陷成像較弱且容易受背景干擾。
▲檢測結果圖（左：金屬面劃傷、右：塑件損傷）
?項目優勢：
· 多工位視覺系統，覆蓋RJ45各表面及功能區域；
· 整合各類 2D、3D 視覺方案，實現各類外觀缺陷（壓傷、變形、金屬三傷、注塑面凹坑等）的高對比度成像，避免背景干擾。
· 利用 Mech-DLK 深度學習軟件，分別訓練金屬面、注塑面、Pin 針插孔等各功能區的缺陷檢測和分類模型；
· 配合 Mech-Vision 圖形化機器視覺軟件實現多個檢測工位通訊、視覺器件控制和生產數據統計及展示等功能。
項目成果：
基于此方案的自動檢測設備檢測速度快、準確率高，已接入客戶產線并批量生產。
專業服務
作為一家智能機器人基礎設施產品公司，梅卡曼德在光/機/電核心器件、成像算法、視覺識別算法、機器人算法、工業軟件等核心技術上均有深厚積累，并建立了高標準的自有相機工廠、交付、培訓、售后體系。
梅卡曼德將持續賦能集成商和合作伙伴，幫助用戶完成真正的“一站式”智能機器人部署，讓自動化應用更便捷、高效、簡單。
Mech-DLK 深度學習平臺軟件現已正式發布。如您想了解使用，請聯系您的對應銷售，我們將竭誠為您提供服務。