ZADD
Trí tuệ nhân tạo trong công nghệ X-Ray

ZADD Segmentation

Kiểm tra khuyết tật dựa trên AI để chụp cắt lớp vi tính

Ứng dụng ZADD Segmentation giúp phát hiện nhanh chóng và đáng tin cậy các khuyết tật nhỏ và mờ trên linh kiện, kể cả trên ảnh chất lượng kém. Với mục đích này, phần mềm dựa trên học máy dựa trên Trí tuệ Nhân tạo. Các khuyết tật và bất thường được phát hiện, phân đoạn và đánh giá bằng AI để kiểm tra dữ liệu CT. Do đó, ZADD hỗ trợ các ứng dụng X-Ray của bạn trong việc phát triển linh kiện, tối ưu hóa quy trình và phân tích lỗi. ZADD là từ viết tắt của ZEISS Automated Defect Detection, là một ứng dụng tùy chọn cho phần mềm kiểm tra CT tiêu chuẩn ZEISS INSPECT X-Ray của chúng tôi.

Tổng quan lợi thế của bạn với ZADD segmentation

  • Tiết kiệm thời gian với AI

    Tiết kiệm thời gian với AI

    • Giảm thiểu nỗ lực kiểm tra
    • Phát hiện lỗi đáng tin cậy và nhanh chóng
  • Báo cáo rõ ràng & kết quả mạnh mẽ

    Báo cáo rõ ràng & kết quả mạnh mẽ

    • Kết quả đáng tin cậy, ngay cả khi chất lượng hình ảnh không hoàn hảo
    • Thích hợp cho các vật liệu hỗn hợp và dày đặc
  • Đánh giá khuyết tật dễ dàng

    Đánh giá khuyết tật dễ dàng

    • Tối ưu hóa tùy chỉnh phân tích khuyết tật
    • Đánh giá và nhận dạng đơn giản các bộ phận phế liệu

Phát hiện khuyết tật tự động ZEISS

Phần mềm AI cho các lĩnh vực ứng dụng của bạn
Hình ảnh cho thấy một linh kiện có thể được kiểm tra các khuyết tật bằng trí tuệ nhân tạo trong CT.

Phát hiện khuyết tật trong các linh kiện một cách đáng tin cậy

Các khuyết tật khác nhau có thể xảy ra trong quy trình sản xuất các linh kiện phức tạp. Đặc biệt là bên trong, chúng không thể nhìn thấy bằng mắt thường và có thể có tác động lớn đến sự ổn định và chức năng của linh kiện. Trí tuệ nhân tạo kết hợp với chụp cắt lớp vi tính công nghiệp giúp phát hiện sớm các khu vực có vấn đề tiềm ẩn này. Phần mềm ZEISS Automated Defect Detection chuyên phát hiện các khuyết tật khác nhau, do đó ngay cả trên chất lượng hình ảnh kém với nhiều hiện vật, các khuyết tật có thể được phát hiện nhanh chóng và đáng tin cậy.

Hình ảnh cho thấy việc thực hiện kiểm tra nội tuyến được hoàn thành chỉ trong 60 giây bằng cách sử dụng AI trong CT.

Phát hiện và phân loại phế liệu từ giai đoạn đầu

Để có thể phân loại các linh kiện khuyết tật trong chuỗi giá trị ở giai đoạn đầu, dữ liệu 3D phải được đánh giá một cách đáng tin cậy và nhanh chóng. ZADD giúp dễ dàng nhận diện linh kiện có khuyết tật nghiêm trọng, cho phép phân loại chính xác hoặc gia công lại nếu khả thi. Trong khi đó, các chi tiết đạt chuẩn sẽ được chuyển tiếp sang các công đoạn gia công tiếp theo một cách thuận lợi. Kết quả: giảm tỷ lệ từ chối và nâng cao chất lượng linh kiện. Bằng cách này, hiệu quả tăng ổn định và tối đa hóa độ tin cậy của quy trình với AI trong CT.

Cách thức hoạt động của ZADD Segmentation

Bộ phận tốt hay bộ phận xấu? ZEISS Automated Defect Detection (ZADD) hỗ trợ quyết định này bằng Trí tuệ Nhân tạo. Hoàn thành đánh giá của bạn với ứng dụng ZADD Segmentation cho ZEISS INSPECT X-Ray. Xem video này để biết cách thức hoạt động.
  • Xin lưu ý rằng phần mềm của chúng tôi hiện được gọi là ZEISS INSPECT X-Ray

Quy trình làm việc

  • Hình ảnh của ZEISS VoluMax

    Thu thập dữ liệu

    • Sử dụng danh mục CT của chúng tôi để thu thập dữ liệu, ví dụ, ZEISS VoluMax 9 titan công suất cao hoặc dòng ZEISS METROTOM có độ chính xác cao cho các phép đo chụp cắt lớp vi tính hiện đại 
    • Hoặc nhập dữ liệu thu được từ một hệ thống CT khác vào ZEISS INSPECT X-Ray để đánh giá.
  • Hình minh họa phân đoạn

    Phân đoạn

    • Tìm các khu vực khuyết tật trong dữ liệu thu được bằng cách sử dụng Deep Machine Learning (ML) với ZADD Segmentation
    • Thích hợp cho phân tích khuyết tật với dữ liệu thể tích dưới chuẩn (ví dụ do nhiễu, độ phân giải kém hoặc hiện tượng giả)
    • Học hỏi từ các ví dụ, không cần điều chỉnh tham số phức tạp
    • Sử dụng các mô hình ML được đào tạo trước để bắt đầu nhanh chóng
    • Tạo vùng quan tâm (ROI) để đánh giá tối ưu hóa thời gian
  • Đánh giá

    Đánh giá

    • Trực quan hóa dữ liệu của bạn với các công cụ mạnh mẽ trong 3D và 2D
    • Xác định các thông số đo lường cho khuyết tật, chẳng hạn như đường kính, thể tích hoặc độ tròn
    • Tạo bộ lọc để chọn các khuyết tật có thuộc tính trên hoặc dưới một ngưỡng nhất định
    • Sử dụng các đánh giá phức tạp như P202, P203, độ rỗ xốp hoặc khoảng cách đến bề mặt
  • Báo cáo và thống kê

    Báo cáo và thống kê

    • Đánh giá trong các báo cáo đo lường minh họa
    • Dễ dàng chuyển các báo cáo đo ở định dạng PDF
    • Lưu trữ dữ liệu cho phép theo dõi lâu dài các khuyết tật
    • Chức năng đánh giá và thống kê nâng cao với ZEISS PiWeb Reporting Plus
    • Kiểm soát quy trình thống kê cho phép nhận biết các mối tương quan và tối ưu hóa quy trình

Các mô hình được đào tạo trước cho các ứng dụng cụ thể

Khi sử dụng ứng dụng ZADD Segmentation trong ZEISS INSPECT X-Ray, bạn có thể hưởng lợi từ các mô hình Học máy được đào tạo trước của chúng tôi. Sử dụng một trong ba tùy chọn có sẵn để đúc hợp kim, kiểm tra hairpin hoặc thiết bị điện tử.
Hợp kim

Hợp kim

Kiểm tra AI các khuyết tật ẩn trong vật đúc hợp kim

Hairpins

Hairpins

Phân tích hairpins tự động cho các ứng dụng truyền động điện tử

Điện tử

Điện tử

Phân tích mối hàn được thực hiện dễ dàng trong ngành điện tử

Ví dụ về các khuyết tật đúc điển hình mà ZADD có thể tìm thấy

  • Lỗ rỗ

    Lỗ rỗ

    Lỗ rỗ là một khoảng trống hình cầu hoặc elip, thường có thành nhẵn, nằm bên trong linh kiện. Tùy theo nguồn gốc, các lỗ rỗng này có thể chứa không khí, hơi nước, hydro hoặc các loại khí khác (ví dụ từ dầu bôi trơn). Thông thường, chúng xuất hiện ở các lớp đúc bề mặt, nhưng có thể lan rộng ra toàn bộ sản phẩm đúc ở những khu vực không được hút chân không tốt hoặc có các phần lõm.

  • Chạy lạnh/Đóng lạnh

    Chạy lạnh/Đóng lạnh

    Chạy lạnh thường xảy ra trên các bề mặt phẳng có độ dày tương đối thấp. Điều này có thể dẫn đến sự tách rời của độ liên kết, để lại các lỗ, khu vực chưa được đổ đầy, cũng như các cạnh tròn và chồng chéo. Trong đúc khuôn, có thể thấy chạy lạnh xuất hiện trên đá phiến bề mặt rất mịn và mỏng.

  • Vi lỗ rỗ xốp

    Vi lỗ rỗ xốp

    Vi lỗ rỗ xốp có thể hiểu là sự tích tụ của các lỗ co ngót nhỏ (co ngót vi mô/co ngót xen kẽ), có thể tạo ra các chuỗi và dẫn đến rò rỉ. Độ rỗ xốp này xuất hiện trong chụp CT với độ phân giải thấp hơn dưới dạng các vùng xốp.

  • Chuyển vị vách

    Chuyển vị vách

    Ví dụ, nếu các khuyết tật xảy ra trong việc định vị lõi trong khuôn trước khi đúc, hoặc nếu các lõi thay đổi trong quá trình đúc, hình dạng của khuôn không còn phù hợp với mô hình CAD.

  • Dăm

    Dăm

    Trong quá trình gia công thô của linh kiện (ví dụ: cưa cắt trên bộ cấp liệu), dăm nhôm được sản xuất có thể rơi vào linh kiện. Tương tự như vậy, các phần nhô ra nhỏ (lông vũ) có thể bị vỡ trong quá trình tạo lõi và vẫn còn trong linh kiện. Các vụn nhôm thừa này có thể dẫn đến các khuyết tật trong hệ thống làm mát, ví dụ, trong quá trình vận hành tiếp theo.

  • Tạp chất

    Tạp chất

    Các thành phần bao gồm là các tạp chất được nhúng một phần hoặc hoàn toàn trong linh kiện đúc mà thường đặc hơn vật liệu cơ bản. Chúng thường được gây ra bởi các vật lạ trong khuôn đúc hoặc bởi vật liệu đúc bị ô nhiễm.

Trí tuệ nhân tạo (AI) trong chụp cắt lớp vi tính (CT)

  • Trí tuệ nhân tạo có mặt ở khắp mọi nơi. Lái xe tự động chỉ là một trong nhiều ví dụ về ứng dụng AI. Trí tuệ nhân tạo cũng là một chủ đề trong ngành công nghiệp cũng như trong chụp cắt lớp vi tính và ngày càng trở nên quan trọng. Vì trí tuệ nhân tạo cho phép thực hiện các phân tích khuyết tật một cách đáng tin cậy, chính xác và nhanh chóng hơn. Trong công nghiệp, khuyết tật thường nằm bên trong một linh kiện. Quy trình kiểm tra quang học cho kiểm soát chất lượng do đó không còn đủ nữa vì nó không cung cấp bất kỳ chỉ dẫn nào về các khuyết tật bên trong. Kiểm tra X-ray cho phép xem xét kỹ bên trong một linh kiện và do đó có thể phát hiện các khuyết tật ở giai đoạn đầu. Bằng cách sử dụng AI trong kiểm tra CT, một phần phân tích khuyết tật tự động được thực hiện.

    Giải thích thuật ngữ:

    Liên quan đến AI và CT, các thuật ngữ Phát hiện khuyết tật bằng AI hoặc Phát hiện bất thường bằng AI thường được sử dụng. AI là viết tắt của Trí tuệ Nhân tạo và Phát hiện khuyết tật hoặc Phát hiện bất thường có nghĩa là phát hiện khuyết tật hoặc phát hiện bất thường. Việc bổ sung "NDT" cho thấy rõ rằng AI hoạt động không phá hủy, bởi vì NDT là viết tắt của thử nghiệm không phá hủy.

  • AI và chụp cắt lớp vi tính CT

    Trí tuệ nhân tạo là một xu hướng trong tự động hóa. Các yêu cầu về quy trình ngày càng trở nên chặt chẽ hơn và ngay cả trong môi trường đo lường khắc nghiệt, việc đánh giá hình ảnh và phân tích khuyết tật phải hoạt động nhanh chóng và đáng tin cậy. Điều này đặc biệt đúng đối với các linh kiện liên quan đến an toàn, ví dụ như trong ngành công nghiệp ô tô hoặc hàng không vũ trụ. Để tăng chất lượng bằng cách thực hiện phân tích lỗi nhanh hơn, đồng thời cung cấp độ tin cậy của quy trình cao, AI được sử dụng để đọc quét CT. Phát hiện khuyết tật với AI giúp loại bỏ sự cần thiết phải điều chỉnh thủ công các thông số, do đó tránh các quyết định chủ quan trong việc phát hiện khuyết tật.

    ZEISS Automated Defect Detection đặc biệt hữu ích khi dữ liệu thể tích bị ảnh hưởng bởi các vật liệu quá dày đặc hoặc thời gian quét ngắn. Mặc dù hình ảnh có thể bị nhiễu và gây ra phát hiện lỗi, phần mềm vẫn hoạt động ổn định bất chấp những tác động này.

Những ngành công nghiệp này được hưởng lợi từ AI với ZEISS Automated Defect Detection

Liên hệ với chúng tôi để có bản dùng thử cá nhân

Dịch vụ của chúng tôi sẽ đồng hành cùng bạn ngay từ đầu cho dù chọn mô hình ML phù hợp hay phát triển một giải pháp được đào tạo đặc biệt. Chúng tôi hỗ trợ bạn trong việc vận hành, tối ưu hóa và đánh giá hiệu suất của hệ thống và giải quyết các nhiệm vụ kiểm tra cá nhân trong nhiều trường hợp.

Biểu mẫu đang tải ...

Nếu bạn muốn biết thêm thông tin về xử lý dữ liệu tại ZEISS, vui lòng tham khảo thông báo bảo mật dữ liệu của chúng tôi.