(Textile Front Back Side Recognition System)

平面四轴机器人偏心自转轴标定算法

本程式由样本生成工具、深度学习训练程式、深度学习API接口构成。本程式基于主流开源框架，经过深度定制和优化实现可视化用户界面。

本系统成像设备由500万黑白相机与500万彩色相机组成，可检测芯片正面封装缺损、边角缺陷、反面散热片溢料、引脚溢料等外观异常，检测覆盖范围90%以上。本系统采用黑白与彩色相机组合，可避免铜片色差和氧化引起的误报。系统检测精度高、速度快，确保异常封装不会流给终端用户，降低工厂成本；检测图像数据可保存15天，以便追溯。可连接生产数据库，优化生产管理水平。
系统采用灰度自相关性定位算法，可适应不同光照条件及不同色差的散热铜片，定位准确，检测稳定。
系统采用异形检测区域设定，可以解决芯片缺角区域不规则导致的检测盲区问题。
系统界面简洁，参数直观易懂，上手容易。系统自带建模功能，可针对不同芯片型号建立不同检测区域，适应面广，提高系统应用范围。缺陷检出率高、误检率低；必要时系统可增加深度学习模块，提升极端情况下的检测准确度。

该模型基于业内最佳模型YOLOv3，经扩展后可检测农产品，人脸，日用品，五金产品等具有一定辨识度的物体

准确度高速度快

纺织瑕疵检测系统由高精度线阵相机、高亮LED光源、编码器、高性能计算机构成。系统由正面检测和背面检测两工位构成，以检出不同形态的瑕疵；检测幅宽为0.5至1.5米，检测精度可定制，例如在0.1mm辨识精度上，实现60米/分钟高速检测或在0.3mm精度上提供200米/分钟检测；本系统适用于素色针织布，可以检测各种纱线级瑕疵及表面破损，例如断经断纬、缺经缺纬、粗结、稀经稀纬、飞花织入、破洞、色点（如图所示）以及破边、门幅异常等常规缺陷。本系统通过结合传统纹理分析技术和大数据深度学习、可以识别95%以上的布面瑕疵，并可对瑕疵进行分类报警和瑕疵明显度设置灵活调节检测灵敏度。系统参数简单操作简便，误判率低；发现瑕疵后可显示瑕疵位置和瑕疵类型并停机报警，供人工确认修复布面。
本系统可以大大提高验布效率和检测精度，减少品质异常流入后续环节造成的损失，同时降低人工成本，最终提升产品品质和竞争力。
本系统视觉检测系统已基本完成，送布系统在研发中。

本系统用于检测各种民用布、革基布的缝头（接缝），可以准确识别各种材质的布匹接缝，可准确识别超过50种接缝类型，可识别超过90种干扰，保证系统在任何情况下的可靠性。本产品用于剪毛机接头识别与抬落刀控制，实现无人化剪毛操作。另外本系统可用于人造革涂台的接缝识别抬刀控制(已取得行业应用)。下图展示了可识别的接缝类型。