حوسبة الرؤية للصناعة: من المفهوم إلى الإنتاج

تحدي جودة الإنتاج

كانت جودة التحكم تعتمد تاريخياً على مراقبين إنسانيين - بطيئين وغير متسقين ومكلفين. كان عملينا يspent 2.4 مليون دولار سنوياً على التفتيش اليدوي مع معدل هروب العيوب 3.5%.

تصميم نظام

إعداد hardware

• كاميرات: 4 كاميرات عالية الدقة صناعية (5MP) مع واجهة GigE Vision
• إضاءة: إضاءة LED مُقترن لتعزيز العيوب السطحية
• حوسبة الحواف: NVIDIA Jetson Xavier NX للاستدلال في الوقت الحقيقي على خط الإنتاج

مكونات البرمجيات

خط إنتاج نموذج التدريب

جمعنا 50,000+ صورة مُسممة للعيوب خلال 3 أشهر. تم تلميذ نموذج YOLOv8 على dataset الخاص بنا مع تكرار البيانات المتطرف.

from ultralytics import YOLO
model = YOLO("yolov8x.pt")
results = model.train(
    data="defect_dataset.yaml",
    epochs=100,
    imgsz=640,
    batch=16,
    augment=True
)
model.export(format="engine", half=True)

النتائج

• دقة الكشف عن العيوب: 99.2% (زيادة من 96.5% إنساني)
• سرعة التفتيش: 200ms لكل جزء (مقارنة بـ 15 ثانية يدوي)
• تخفيض التكلفة: 60% إجمالي التكلفة
• ROI المحققة: 8 أشهر