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斷裂并最終停止制造操作。

　　項目需求

　　沒有適當的機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。一旦發現裂縫，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 的視覺系統對金屬鏈進行光學檢測視覺系統和人工智能如何解決這個問題？解決方案的開發包括 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。該設置有助于數據收集，即獲取鏈接/鏈的圖像。

　　2、機器學習部分出現在數據收集之后。它也被稱為數據注釋，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。