ResNet-101异常检测模型

实时识别次品

用产品特征和热交换器瞬时变化训练，捕捉因性能降级造成的异常模式。

Kai, Guo · Li, Hao · Li, Biao · Liang, Nannan · 郭凯

Thermal Science and Engineering Progress 2024

技术优势

实时抓次品

网络同时理解产品和热交换器特征，产线上立即识别异常并触发回收，避免劣质品流向下游。

不用人工抽查

传统方法靠事后抽检，无法适应连续生产；本模型替代人工，持续监控每一件产品。

劣品直接回收

检出问题产品可立即送入回收流程，减少材料浪费并维持产线良率。

应用场景

• 增材制造质量控制：实时识别增材制造中的能量异常导致的缺陷，避免批次报废。
• 工业缺陷检测：替代人工目检，在线识别热交换器等部件的性能降级缺陷。
• 制造过程监控：监控瞬时变化并触发即时回收，稳定连续生产质量。