ZHCACX6 july   2023 AM62A1-Q1 , AM62A3 , AM62A7

 

  1.   1
  2.   摘要
  3.   商标
  4. 1引言
    1. 1.1 缺陷检测演示摘要
    2. 1.2 AM62A 处理器
    3. 1.3 缺陷检测系统
    4. 1.4 传统机器视觉与深度学习
  5. 2数据集准备
    1. 2.1 测试样片
    2. 2.2 数据搜集
    3. 2.3 数据注释
    4. 2.4 数据增强
  6. 3模型选择和训练
    1. 3.1 模型选择
    2. 3.2 模型训练与编译
  7. 4应用开发
    1. 4.1 系统流程
    2. 4.2 物体跟踪器
    3. 4.3 仪表板和边界框绘图
    4. 4.4 物理演示设置
  8. 5性能分析
    1. 5.1 系统精度
    2. 5.2 帧速率
    3. 5.3 内核利用率
    4. 5.4 功耗
  9. 6总结
  10. 7参考文献

1.1 缺陷检测演示摘要

缺陷检测是制造过程中进行质量保证的重要环节。本演示使用 AM62A 运行基于视觉的人工智能模型，以便在制造应用中进行缺陷检测。该模型可在生产出的产品随传送带移动时对其进行测试，以识别可接受产品和有缺陷产品。图 1-1 显示了该应用的屏幕截图。

GUID-20230630-SS0I-ZGFF-ZCCV-59V4XZS2X6W4-low.png图 1-1 使用 AM62A 的缺陷检测终端应用的屏幕截图（右侧是一个实时视频源，使用颜色框标记检测到的物体。左侧是图形质量控制仪表板。）

我们为本演示开发了一个物体跟踪器，以提供精确的产品坐标用于分拣和筛选。实时视频将显示在屏幕上。屏幕上用绿色框标记合格（可接受）产品，而用不同深浅的红色框标记有缺陷产品，以区分缺陷类型。该屏幕还包括一个图形仪表板，其中显示有关产品总数、缺陷百分比、生产率的实时统计数据，以及缺陷类型的直方图。物体跟踪器和图形仪表板是使用 Python 构建而成。TI 市场上的 Github 存储库提供了代码库和有关如何运行演示的详细信息：https://github.com/TexasInstruments/edgeai-gst-apps-defect-detection。

开发该应用所遵循的步骤包括：

  • 数据收集和准备
  • 模型选择、训练和编译
  • 模型评估和部署
  • 应用代码开发，包括物体跟踪器和图形仪表板
  • 系统性能分析和功耗估算