跳转至主要内容
蔡司工业质量解决方案
返回
蔡司工业CT扫描图，展示铸造金属部件内部缺陷，并以颜色标识孔隙。
X射线技术中的人工智能

ZADD Segmentation

基于AI的计算机断层扫描缺陷检测

ZADD Segmentation应用通过基于AI的自动化检测，革新了三维X射线数据分析。ZADD（ZEISS Automated Defect Detection）自动缺陷检测模块能够在图像质量较差的情况下，依然快速且可靠地检测出部件中的微小及边界模糊的缺陷。借助AI算法，系统可对缺陷与异常进行检测、分割并完成评估。无缝集成于您的ZEISS INSPECT X-Ray工作流程中，利用预训练或定制化AI模型，实现最高效率、可靠性与可扩展性。

立即开始
ZEISS Automated Defect Detection
立即开始

将AI无缝融入您的质量流程

适用于多种工业应用的灵活解决方案
工程师在ZEISS METROTOM工业CT扫描系统上查看三维CT测量数据，用于质量检测。

即使在高要求检测任务中也具备稳健表现的解决方案

为了实现持续的过程监控，并在价值链的早期阶段筛除缺陷部件，必须对三维数据进行快速且可靠的评估。然而，CT数据往往受到噪声和伪影的影响，使得可靠的缺陷检测变得困难。在这种情况下，传统软件逐渐达到了其能力极限。ZADD Segmentation提供了解决方案：无缝集成于您的ZEISS INSPECT X-Ray工作流中，该应用能够以接近人工水平的能力检测缺陷，并解决以往难以完成的任务。无需任何AI专业知识，即可快速、可靠地开发您的检测方案。借助预训练或定制化AI模型，使AI的应用变得更加高效且易于使用。以前所未有的方式，体验精度与速度的结合。

展示通过ZADD Segmentation分析的三维可视化图像，呈现部件内部缺陷与体积颗粒分布。

面向不同行业需求的多样化应用

ZADD Segmentation支持严苛的质量标准，适用于汽车、电子和医疗等行业。借助工业计算机断层扫描与AI技术，可在早期识别对部件稳定性和功能构成风险的隐藏缺陷。基于ZADD Segmentation的自动化缺陷检测速度快、可靠性高，即使在存在伪影和图像质量较差的情况下也能稳定运行。此外，自动化体积检测还可实现对填充量的精确测量，例如吸入器中的粉末含量。它还可用于检测复杂装配体的完整性，或分析电子元件中的焊点，以识别气孔或其他缺陷。

ZADD Segmentation的工作原理

优良部件或不良部件？蔡司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。观看此视频，了解其在铸件检测中的实际应用方式。

  • 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

通过AI提升效率

三个展示AI如何加速检测的应用示例
秒表图像

从8小时至~2小时

在某些情况下，将基于显微镜的手动检测流程切换为基于CT的AI辅助检测，可将定子发夹焊接的检测时间缩短约四分之一——从约8小时降至不足2小时。该无损检测过程稳定，并接近工艺速度。

秒表图像

快~10倍

通过从传统方法切换到基于AI的自动化图像分析，医疗植入物的检测在某些应用中可提速约十倍。例如，在特定场景下，ZADD Segmentation可在五分钟内检测出一个部件中超过900个微小缺陷——在优化配置条件下，甚至可在一分钟内完成。

秒表图像

周期时间缩短~75%

在特定应用场景中，与人工手动分析相比，借助预训练AI模型，铸件检测的周期时间最多可缩短75%。

通过适用于广泛应用场景的预训练AI模型，实现快速、便捷上手

ZADD Segmentation提供预训练AI模型，可在多种应用领域中带来出色的检测效果。
采用蔡司预训练AI模型分析的铸件内部缺陷与孔隙的三维CT可视化图像。

铸件检测

该铸件模型可自动检测由空洞等原因引起的孔隙和内部缺陷。它能够确保高质量的检测结果，并可适配于相似材料。

电动汽车定子的三维CT图像，展示发夹焊接头中的孔隙（以红色标示），并通过蔡司预训练AI模型进行分析。

定子发夹检测

发夹模型可检测电机定子焊接头中的封闭孔隙，并可灵活应用于不同尺寸的定子——无需预先对齐或精确的网格建模。

工业CT图像：医疗吸入器中泡罩包装内的粉末填充水平，通过蔡司预训练AI模型进行分析。

填充量测量

该AI模型可检测部件中的不同体积，例如吸入器泡罩包装中的粉末填充量，实现无损的填充量控制。

抽象几何图标，呈八边形网络结构，代表可针对特定应用进行训练的蔡司AI模型。

您的应用

预训练AI模型正在持续开发与扩展。若需打造符合您个性化需求的AI模型，只需预约我们的AI模型训练服务。

优势一览

  • 极佳精度与性能

    即使在严苛的缺陷规范下，也能可靠识别几乎所有相关缺陷。在车间检测任务中表现出卓越性能。

  • 通过自动化实现高速检测

    基于AI的高通量检测可自动执行重复性任务，减少对人工与人员的依赖，并支持在线检测。

  • 可靠性与强大合作伙伴

    凭借成熟的解决方案和多年的专业经验，我们能够在严苛条件下确保您的工艺稳定性——并已在众多工业客户中成功应用。

  • 端到端集成

    ZADD Segmentation可无缝集成到您的工作流中，提供从单一供应商实现的端到端解决方案。

  • 灵活性——无需AI专业知识

    选择权在您手中：无论是采用预训练AI模型，还是选择由我们服务团队定制的解决方案，您都无需具备AI专业知识。

  • 轻松协作

    高效准备AI模型训练数据，并与我们的AI模型训练服务实现无缝协作。

工作流程

  • 蔡司VoluMax的图像

    数据采集

    使用我们的CT产品组合进行数据采集，如高性能ZEISS VoluMax 9 titan或高精度ZEISS METROTOM系列进行先进的计算机断层扫描测量 

     

  • 采用蔡司预训练AI模型分析的铸件内部缺陷与孔隙的三维CT可视化图像。

    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
  • 在ZEISS INSPECT X-Ray中对铸造壳体进行三维CT孔隙分析，突出显示内部缺陷与几何结构。

    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
  • 深色模式下的示意测量报告页面，展示ZEISS PiWeb Reporting Plus的评估与统计功能。

    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

立即开始使用ZADD Segmentation

  • 免费演示

    联系我们获取个人演示

    准备好开始了吗？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。

    立即发送请求
  • 免费试用

    免费体验该应用程序30天

    30天免费试用，探索全部潜力。探索该应用程序的强大功能，了解它如何升级您的质量保证流程。

    免费试用

常见问题

  • 要使用ZADD Segmentation应用，您需要具备ZEISS INSPECT X-Ray Pro许可证，并配备Advanced X-Ray Defect Detection应用程序。

  • 当然可以！提供30天免费试用。只需在此获取试用。

  • AI具备更高的灵活性与适应性，可避免传统方法中常见的过拟合问题。它能够持续学习并适应新的挑战，从而在长期内确保更高的效率与性能。

  • 可以，AI可应用于受监管领域。模型会经过优化、符合监管审批要求，并在投入使用时进行“冻结”。模型行为完全可溯源，在相同数据集上使用同一模型时，可确保结果的一致性。

相关产品

联系我们

您想进一步了解我们的产品或服务吗？我们很乐意通过远程或在现场为您提供更多信息或演示。

ZEISS Quality Software Store

Easily order software and apps

蔡司测量门户网站

您获取所有计量服务的数字接入点

蔡司计量学院

个性化计量培训

蔡司质量技术指南

您的在线帮助，提供有关蔡司质量软件的技术信息

联系我们

立即索取报价、软件演示或联系我们的服务和支持团队

正在加载表格...

/ 4
下一步：
  • 兴趣问询
  • 个人详细信息
  • 公司详情

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。