金屬加工缺陷之AI圖像分類｜RapidMiner

【 背景 】

       金屬加工過程中常會出現各種表面缺陷，這些缺陷如果不及時發現並分類，可能會影響產品質量並增加成本。傳統的人工分類方法耗時且容易出錯，因此我們引入 AI 技術來解決這一問題。

彙整缺陷分類資料，提供 AI 進行訓練素材

【 成 果 】

我們利用 Altair RapidMiner 成功建立了一套高效的 AI 圖像分類系統。經過訓練和驗證成果如下:

1. 訓練完成 AI 模型能夠準確分類金屬加工中的表面缺陷，經驗證準確率達到90%以上。

2. 實際使用中，對24張新照片的分類準確率達到91.67%，顯著提高了分類效率並減少了人工成本。

​​​​
 

以 AI 進行加工缺陷之自動分類

【 技術特點 】

1. 數據收集與預處理：我們收集了1558張金屬加工表面缺陷的照片，並將其分類為新月間隙、絲點、水點、焊接線等五種類型，作為訓練資料。
    

2. AI學習訓練流程：在 Altair AI Studio 中建立了 AI 訓練流程，AI 首先讀取圖片並提取特徵，然後找到圖片與分類之間的關聯性，最終儲存訓練完成的模型。
    

3. 快速與準確：此案例展示了 AI 在工業應用中的巨大潛力，有效解決了傳統人工分類的痛點，實現了智能化的質量檢測和控制。