X射线技术中的人工智能

ZADD Segmentation

基于人工智能的计算机断层扫描缺陷检测

即使在图像质量较差的情况下，ZADD Segmentation应用程序也能可靠、快速地检测出部件中细小、模糊的缺陷。为此，基于机器学习的软件依赖于人工智能的力量。在CT数据检测中使用人工智能检测、分割和评估缺陷及异常。因此，ZADD可在部件开发、流程优化和失效分析方面为您的X射线应用提供支持。ZADD是ZEISS Automated Defect Detection的首字母缩写，是我们的标准CT检测软件ZEISS INSPECT X-Ray的一个可选应用程序。

利用人工智能节省时间
- 最大限度地减轻检测工作负担
- 可靠、快速的错误检测
可靠的成果和清晰的报告
- 即使图像质量不尽如人意，也能获得可靠的结果
- 适用于混合和致密材料
轻松评估缺陷
- 定制优化缺陷分析
- 简单评估和识别报废部件

蔡司自动缺陷检测

适合您应用领域的人工智能软件

可靠地检测部件缺陷

在复杂的部件制造过程中，可能会出现各种缺陷。特别是在内部，肉眼不可见，对部件的稳定性和功能性有很大影响。人工智能与工业计算机断层扫描技术相结合，可使这些隐藏的问题区域尽早显现出来。ZEISS Automated Defect Detection软件专门用于检测不同的缺陷，因此，即使在图像质量较差、伪影较多的情况下，也能快速、可靠地检测出缺陷。

及早识别并处理废品

为了能够在价值链的早期阶段分拣出有缺陷的部件，必须对三维数据进行可靠而快速的评估。借助ZADD，可轻松识别并准确分拣出有严重缺陷的部件，或在可能的情况下进行返工。优良部件则可以畅通无阻地通过进一步的加工过程。结果便是低废品率和高质量的部件。通过这种方式，您可以利用CT中的人工智能技术实现效率的稳步提高和工艺可靠性的最大化。

  
      ZADD Segmentation的工作原理
      
    优良部件或不良部件？ZEISS Automated Defect Detection（ZADD）利用人工智能为您的决策提供支持。使用ZEISS INSPECT X-Ray的ZADD Segmentation应用程序完成评估。观看视频，了解工作原理。

第三方内容被阻止

由于您的cookie首选项，视频播放器已被阻止。要更改设置并播放视频，请点击下方按钮并同意使用“功能性”跟踪技术。

请注意，我们的软件现名为ZEISS INSPECT X-Ray

工作流程

数据采集

使用我们的CT产品组合进行数据采集，如高性能蔡司VoluMax 9 titan或高精度蔡司METROTOM系列进行先进的计算机断层扫描测量。
您也可将从其他CT系统获取的数据导入ZEISS INSPECT X-Ray进行评估。
分割

利用深度机器学习（ML）和ZADD Segmentation技术查找获取数据中的缺陷区域
特别适用于使用体积数据不理想的缺陷分析（如由于噪点、分辨率较低或伪影）
从实例中学习，无需进行复杂的参数调整
使用预训练的ML模型快速入门
创建感兴趣区域（ROI），进行快速评估
评估

使用功能强大的三维和二维工具显示数据
确定检测到的缺陷的衡量指标，如直径、体积或球形度
创建筛选器，选择属性高于或低于给定阈值的缺陷
利用P202、P203、孔隙度或表面距离等复杂评估
报告和统计

测量说明报告中的评估
轻松传输PDF格式的测量报告
数据存档可实现对缺陷的长期追踪
利用ZEISS PiWeb Reporting Plus实现高级评估和统计功能
统计过程控制可识别过程相关性并进行优化

针对特定应用的预训练模型

在ZEISS INSPECT X-Ray中使用应用程序ZADD Segmentation时，您可以尽享预先训练的机器学习模型带来的优势。从合金铸件、发夹检测或电子器件的三个可用选项中选择一个。

合金

人工智能检测合金铸件中的隐藏缺陷

发夹

电驱应用的自动发夹分析

电子器件

轻松进行电子器件中的焊点分析

ZADD可以发现的典型铸造缺陷示例

孔隙

孔隙是一个球形或椭圆形的空腔，其内部大部分是光滑的壁。根据其来源，孔隙可能含有空气、蒸汽、氢气或其他气体（例如来自润滑油的气体）。它们通常出现在铸件的上层，但在排气不畅的区域或下凹处，也可能分布在整个铸件中。
冷流/冷隔

冷隔倾向于出现在厚度相对较小的平坦表面上。这可能会导致内聚力分离，留下孔洞、未耗尽的区域以及圆边和重叠。在压铸过程中，非常精细和轻薄的板坯表面会出现冷隔。
微孔

微孔可以理解为小收缩孔（微收缩/枝晶间收缩）的积累，其可以形成链条并导致渗漏。这种孔隙在分辨率较低的CT扫描中表现为海绵状区域。
壁位移

例如，如果芯模在浇铸前的定位出现缺陷，或者芯模在浇铸过程中发生移动，那么铸件的几何形状便不再与CAD模型相匹配。
碎屑

在对部件进行粗加工（例如在进料器上进行锯切）时，会产生铝屑，这些铝屑可能会掉入部件中。同样，小突起物（羽毛）也可能在取芯过程中断裂并留在部件中。这些铝残留物会导致冷却系统出现缺陷，例如在随后的运行过程中。
夹杂物

夹杂物是铸件中部分或全部嵌入的杂质，其密度通常高于基体材料。例如，铸造工具中的异物或受污染的铸造材料会导致这些问题。

人工智能无处不在。自动驾驶只是人工智能应用的众多实例之一。人工智能也是工业领域的一个课题，因此在计算机断层扫描领域也越来越重要。因为其能够更加可靠、准确和快速地进行缺陷分析。在工业领域，缺陷通常位于部件内部。由于无法提供任何内部缺陷的迹象，用于质量控制的光学检测程序在此时便无济于事了。通过X射线检测可以近距离观察部件内部，从而及早发现缺陷。通过在CT检测中使用人工智能，可以实现部分自动化缺陷分析。

术语解释：

在人工智能和CT方面，经常使用人工智能缺陷检测或人工智能异常检测等术语。AI代表人工智能，而Defect Detection或Anomaly Detection则指缺陷检测或异常检测。加上“NDT”后，便明确了人工智能的无损工作原理，因为NDT代表无损检测。
人工智能是自动化的发展趋势。工艺要求越来越严格，即使在恶劣的测量环境中，图像评估和缺陷分析也必须快速可靠地工作。对于汽车工业或航空航天等与安全相关的部件来说，尤其如此。为了通过更快地进行缺陷分析来提高质量，同时提供高工艺可靠性，人工智能应用于读取CT扫描结果。利用人工智能进行缺陷检测无需手动调整参数，从而避免了缺陷检测中的主观决定。

当体积数据受到密度过大的材料或扫描时间过短的影响时，ZEISS Automated Defect Detection尤其有用。图像中的伪影和噪音通常会导致错误的检测，而软件却不受这些影响。

这些行业受益于人工智能与ZEISS Automated Defect Detection的结合

医疗技术

电子器件

新能源汽车（NEV）

增材制造

用于轻金属铸造的X射线

联系我们获取个人演示

无论是选择合适的ML模型，还是开发经过专门培训的解决方案，我们的服务都将从一开始就伴您左右。我们在系统运行、优化和性能评估方面为您提供支持，并在许多情况下解决您的个性化检测任务。

正在加载表格...

如果您想了解更多关于蔡司数据处理的信息，请参阅我们的数据隐私声明。

ZADD Segmentation

基于人工智能的计算机断层扫描缺陷检测