一般來說，光學(xué)篩選機(jī)的影像篩選設(shè)備故障診斷一般是分為以下的幾個(gè)方面：

     一個(gè)方面就是狀態(tài)量的一種檢測(cè)，這種檢測(cè)就是用來檢測(cè)傳感器的運(yùn)行是否是正常運(yùn)行的。

　　第二種就是指加工設(shè)備的運(yùn)行的一種異常的判別問題，這種測(cè)試的數(shù)據(jù)如果出現(xiàn)問題，則會(huì)出現(xiàn)判別設(shè)備的異?，F(xiàn)象。

　　第三種就是對(duì)于故障的診斷是需要一步步分析和處理了，識(shí)別故障的原因是十分困難的，所以需要好好的排查一些故障問題。

　　以上內(nèi)容就是影像篩選設(shè)備的檢測(cè)問題的介紹了，在科學(xué)技術(shù)突飛猛進(jìn)和人工緊缺的今天，影像篩選設(shè)備及其它自動(dòng)化檢測(cè)設(shè)備已在各行各業(yè)中扮演著越來越重要的角色，能有效控制產(chǎn)品不良率、提高產(chǎn)品質(zhì)量、減少客戶投訴、提升公司產(chǎn)品的競(jìng)爭(zhēng)力，利于公司拓展市場(chǎng)、降低人工成本。

玻璃瓶大輸液是我國行業(yè)五大重要制劑之一,是機(jī)構(gòu)日常經(jīng)常使用的藥品,在現(xiàn)代臨床上占據(jù)十分重要的地位。但是,由于生產(chǎn)設(shè)備及檢測(cè)設(shè)備的局限,在灌裝過程中,大輸液產(chǎn)品中可能含有玻璃屑、纖維、毛發(fā)等可見異物,這些不溶性異物進(jìn)入人體血液后會(huì)危及到人的生命安全。目前,我國制藥企業(yè)基本上都是采用人工燈檢的方法。這種落后的檢測(cè)方式存在很多缺陷,如檢測(cè)速度慢、精度低,易受干擾,可靠性差,還容易對(duì)藥品造成二次污染等,無法從根本上保證產(chǎn)品質(zhì)量,也無法滿足高速生產(chǎn)線的生產(chǎn)要求。


在當(dāng)今這個(gè)時(shí)代，計(jì)算機(jī)視覺領(lǐng)域呈現(xiàn)出很多新的趨勢(shì)，其中顯著的一個(gè)，就是應(yīng)用的性增長。除了手機(jī)、個(gè)人電腦和工業(yè)檢測(cè)之外，計(jì)算機(jī)視覺技術(shù)在智能安防、機(jī)器人、自動(dòng)駕駛、智慧醫(yī)、、增強(qiáng)現(xiàn)實(shí)（AR）等領(lǐng)域都出現(xiàn)了各種形態(tài)的應(yīng)用方式。計(jì)算機(jī)視覺迎來了一個(gè)應(yīng)用性增長的時(shí)代，目前的應(yīng)用如下圖所示，主要以運(yùn)動(dòng)控制為主。隨著各個(gè)領(lǐng)域技術(shù)不斷發(fā)展，許多科技巨頭也開始了在圖像識(shí)別和人工智能領(lǐng)域的布局，F(xiàn)acebook簽下的人工智能Yann LeCun重大的成就就是在圖像識(shí)別領(lǐng)域，其提出的LeNet為代表的卷積神經(jīng)網(wǎng)絡(luò)，在應(yīng)用到各種不同的圖像識(shí)別任務(wù)時(shí)都取得了不錯(cuò)效果，被認(rèn)為是通用圖像識(shí)別系統(tǒng)的代表之一；Google 借助模擬神經(jīng)網(wǎng)絡(luò)“DistBelief”通過對(duì)數(shù)百萬份YouTube 視頻的學(xué)習(xí)自行掌握了貓的關(guān)鍵特征，這是機(jī)器在沒有人幫助的情況下自己讀懂了貓的概念。這也能看出國技公司對(duì)圖像識(shí)別技術(shù)以及人工智能技術(shù)的重視程度。

在易拉罐的生產(chǎn)過程中，需要對(duì)產(chǎn)品的瑕疵及印刷質(zhì)量進(jìn)行檢測(cè)。而易拉罐瓶蓋的綜合檢測(cè)一直是一個(gè)難題，其中的原因在于產(chǎn)品的材質(zhì)具有極高的反射度并且表面印制了彩案，打光技術(shù)難以解決。

　　而機(jī)器視覺技術(shù)的運(yùn)用，能迅速準(zhǔn)確的發(fā)現(xiàn)印刷品的各種缺陷。工業(yè)鏡頭基于機(jī)器視覺的罐蓋質(zhì)量檢測(cè)系統(tǒng)，根據(jù)易拉罐罐蓋制造生產(chǎn)線的工作環(huán)境和檢測(cè)要求，實(shí)現(xiàn)了鋁制罐蓋瑕疵的自動(dòng)檢測(cè)和快速剔除。該視覺系統(tǒng)實(shí)時(shí)性好，可靠性高，有效地提高了罐蓋檢測(cè)生產(chǎn)線的工作效率。