Main Content

자동 외관 검사

이상 감지 및 위치추정 방법을 사용하여 품질 제어 작업 자동화

자동 외관 검사(AVI)는 제조된 제품의 결함을 검출하고 분류하는 데 사용되는 일련의 기법입니다. 최근의 외관 검사는 머신러닝과 딥러닝 알고리즘을 사용하여 품질 보증 공정을 보조하고 개선합니다.

커스텀 결함 검출은 주어진 영상에서 결함의 위치를 정확하게 확인하고 결함 범주를 분류해야 합니다. 일반적으로 최신 YOLO(You Only Look Once) 알고리즘처럼 가장 최신의 지도 학습 딥러닝 모델을 사용하면 다양한 크기의 결함을 검출할 수 있습니다. 최상 성능의 모델들은 실시간으로 결함의 특징을 식별하고 위치를 파악합니다.

이상 감지 딥러닝 방법을 사용하면 제조된 제품의 영상이 정상인지 비정상인지 확인할 수 있습니다. 또한, 이상에 대한 위치추정을 통해 정확하고 해석 가능한 결과를 생성할 수 있습니다. 이 방법을 사용하면 이상 맵을 통해 결함을 시각화할 수 있습니다.

외관 검사 작업을 자동화할 때 선택하게 되는 구체적인 검출 모델은 여러 가지 요인에 따라 달라집니다. 이러한 요인에는 정상 및 비정상 샘플에 사용 가능한 훈련 데이터의 양, 인식할 수 있는 비정상 클래스의 개수, 예측값을 이해하고 모니터링하는 데 필요한 위치추정 정보의 유형이 포함됩니다. 자세한 내용은 Getting Started with Anomaly Detection Using Deep Learning 항목을 참조하십시오.

자동 외관 검사를 수행하려면 애드온 탐색기에서 Computer Vision Toolbox™ Automated Visual Inspection Library를 다운로드하십시오. 애드온 다운로드에 대한 자세한 내용은 애드온을 받고 관리하기를 참조하십시오. 일부 기능에는 Deep Learning Toolbox™도 필요합니다.

함수

모두 확장

groundTruthGround truth label data
imageDatastore이미지 데이터의 데이터저장소
sceneLabelTrainingDataCreate training data for scene classification from ground truth (R2022b 이후)
splitAnomalyDataSplit data into training, validation and testing sets for anomaly detection (R2023a 이후)
trainFCDDAnomalyDetectorTrain fully convolutional data description (FCDD) anomaly detection network (R2022b 이후)
trainFastFlowAnomalyDetectorTrain FastFlow anomaly detection network (R2023a 이후)
trainPatchCoreAnomalyDetectorTrain PatchCore anomaly detection network (R2023a 이후)
anomalyThresholdOptimal anomaly threshold for set of anomaly scores and corresponding labels (R2022b 이후)
fcddAnomalyDetectorDetect anomalies using fully convolutional data description (FCDD) network for anomaly detection (R2022b 이후)
fastFlowAnomalyDetectorDetect anomalies using FastFlow network (R2023a 이후)
patchCoreAnomalyDetectorDetect anomalies using PatchCore network (R2023a 이후)
classifyClassify image as normal or anomalous (R2022b 이후)
predictPredict unnormalized anomaly scores (R2022b 이후)
yoloxObjectDetectorDetect objects using YOLOX object detector (R2023b 이후)
trainYOLOXObjectDetectorTrain YOLOX object detector (R2023b 이후)
detectDetect objects using YOLOX object detector (R2023b 이후)
anomalyMapPredict per-pixel anomaly score map (R2022b 이후)
anomalyMapOverlayOverlay heatmap on image using per-pixel anomaly scores (R2022b 이후)
viewAnomalyDetectionResultsView anomaly detection results (R2022b 이후)
evaluateAnomalyDetectionEvaluate anomaly detection results against ground truth (R2022b 이후)
anomalyDetectionMetricsAnomaly detection metrics (R2022b 이후)
vision.loadYOLOXObjectDetectorLoad YOLOX object detector model for code generation (R2023b 이후)

도움말 항목