https://www.raspberrypi.com/news/raspberry-pi-detects-factory-defects-with-machine-learning/
作者：Ashley Whittaker 2023年6月7日
Modzy的员工与我们联系，告诉我们他们的缺陷检测平台，该平台使用树莓派Pi-Zero W和树莓派摄像头模块来检测工厂生产线上的错误。他们的留言特别说明了他们对树莓派的爱，我感觉被卖了。
Modzy（https://www.modzy.com/）在云中和边缘部署机器学习模型。他们构建了上面的演示，以向他们的制造客户展示在工厂中使用机器学习来检测缺陷是多么容易和经济实惠。
它是如何工作的
硬件：
. 树莓派-Zero W(https://www.raspberrypi.com/products/raspberry-pi-zero-w/)
. 树莓派摄像头模块3(https://www.raspberrypi.com/products/camera-module-3/)
. NVIDIA Jetson Nano运行计算机视觉模型(https://developer.nvidia.com/embedded/jetson-nano-developer-kit)
. 由蛋糕装饰转盘组成的“输送带”，转盘上连接有电机.
Edward Scissorhands的饼干生产线如果得到Modzy的帮助，可能会更加高效。
树莓派摄像头模块充当生产线监视器的眼睛，从生产线提供实时图像。计算机视觉模型分析图像，以检测3D打印的齿轮上的破损齿状构造、划痕和凹痕，当它们在自制的“传送带”上滚动时。当模型检测到缺陷时，Modzy的系统会更新并记录一个日志，记录齿轮有什么问题以及它何时通过生产线上的检测点滚动。
低成本效率
这个缺陷检测平台的成本不到150美元。
Modzy特别自豪的是，该型号在速度、安全性和成本方面达到了三者合一：
. 基于低延迟GPU驱动的推理，它很快（这意味着它可以在生产线滚动时快速发现缺陷）
. 它是安全的，因为它可以完全离线操作
. 它具有成本效益，因为不需要云计算，并且硬件价格合理
更多来自Modzy的机器学习
Modzy热衷于树莓派的机器学习，并开发了其他两个应用程序：
. 他们的空气质量指数预测（https://docs.modzy.com/docs/raspberrypi）使用树莓派 3B+（https://www.raspberrypi.com/products/raspberry-pi-3-model-b-plus/）检测当前空气质量，并使用该数据生成下一小时的预测。
. 他们的Hugging Face NLP服务器（https://github.com/modzy/hugging-face-raspberry-pi）使用Docker在树莓派上部署并运行一个拥抱人脸模型。
