使用 AI 驱动的视觉系统检测灯柱
当前位置:首页 > 行业资讯 > 使用 AI 驱动的视觉系统检测灯柱

使用 AI 驱动的视觉系统检测灯柱

机器视觉 2022-01-07 9201 0


概述:

客户记录了在所有不同地方区域安装的每根电线杆。要准备所有已安装杆的数据库,需要进行手动检查。但是,检查结果存在不一致的情况,检查本身的过程也很耗时。

客户要求:

识别三种类型(木质和金属)电线杆的多重特征

  1. 检查路灯/照明的存在/不存在

  2. 检查杆的材料(混凝土、金属或木制)

  3. 检查固定在杆上的配电变压器是否存在

image.png

目前如何解决问题?

检查完全是手动的。每个区域都分配了操作员进行检查并手动记录。完全检查一根杆子的平均检查时间为 25-30 秒。

AI如何解决这个问题?

将开发一个带有摄像头的人工智能视觉系统,用于检查电线杆。解决方案开发之旅分为图像采集、机器学习、解决方案部署和精度提升 4 个部分。

便携式图像采集

将开发一个图像采集软件并将其输入平板电脑,以从不同方向获取杆的图像并将其存储。这些平板电脑被交给了一些检查员来拍摄一组杆子的图像。图像采集部分是整个旅程中最关键的部分,因为它有助于训练 AI 模型以获得正确准确的结果。

机器学习 

使用获取的图像开发解决方案。在不同的图像集的帮助下,通过在它们周围制作边界框/圆圈(也称为数据注释)来训练每种类型的杆(有和没有变压器和灯)。

解决方案部署

然后将训练好的模型安装在多个设备(平板电脑)上。这些设备是便携式视觉检测系统,能够实时检测电线杆、灯和变压器的材料,并将结果显示在屏幕上。此外,这些结果将被记录到数据库中。

精度提升

创建深度学习 (DL) 程序以训练机器视觉系统(在本例中为便携式平板电脑)以了解各种未经训练的灯、变压器和电线杆材料。结果将实时反映在用户界面上。

结论

进行了 POC(概念验证)并观察到以下结论:

  1. 错误接受率降至 1%,这将有助于我们的客户降低召回率。

  2. 检查周期时间减少到不到一秒,这将有助于我们的客户提高交货率。

  3. 人为干预减少了 66%,从而降低了劳动力和培训成本


本文链接地址:https://www.schnoka.cn/post/992.html

取消回复发表评论:


立即定制视觉方案