• 產品中心

    +
    • AI.jpg

    基于AI深度學習功能的圖像傳感器


    AI-STELLA 系列

    • 學習數據無需注釋
      只需歸類OK/NG圖像樣本即可
    • 少量數據即可學習
      約100張OK&20張NG圖像
    • 混合型視覺系統
      “AI外觀檢查”&“傳統視覺檢測”
    • 特點
    • 應用
    • 特性圖
    • 下載
    • 來自日本重量級AI企業研發

      通過AI深度學習實現高精度檢測的外觀檢查軟件
      Preferred Networks Visual Inspection

      Preferred Networks(PFN)公司提供的Preferred Networks Visual Inspection產品,是通過深度學習,實現高精度、高靈活性、高性價比的外觀檢查軟件。
      其解決了傳統深度學習檢測軟件所存在的,需要解決大量學習數據的收集、對不良特征的注釋很麻煩、以及模型構建困難等問題,無需對學習數據進行注釋,即可實現高精度的檢測效果。從而,可以快速·低成本的構建檢測系統。

       

      產品特長

      1 日本PFN公司獨自的深度學習模型

       

      采用PFN獨自的卓越的深度學習模型只需少量數據即可實現高精度檢測。

      4 只需少量圖像進行學習

      4 只需少量圖像進行學習

      與傳統必須要數萬~數十萬張圖像作為學習數據相比,PFN只需100張良品及20張不良品圖像即可實現深度學習。

      2 簡化注釋

      1 日本PFN公司獨自的深度學習模型

      對于被測物圖像,只需提供按[良品(good)]/[不良品(bad)]分類好的圖像即可實現深度學習。無需標注出不良特征/不良位置。

      5 不良位置的可視化

      1 日本PFN公司獨自的深度學習模型

      通過熱力圖成像凸顯出不良位置,提高對檢查結果的說明性。

      3 直觀的用戶界面GUI

      1 日本PFN公司獨自的深度學習模型

      通過學習工具的GUI界面,從登陸圖像、模型學習、檢測精度比較等都可以進行一氣呵成的管理,構建直觀的、高精度的檢測模型。

      6 建立靈活·快速的檢測模型

      1 日本PFN公司獨自的深度學習模型

      提供構建檢測系統所需的推論數據庫。
      從學習到導入系統無縫連接,實現檢測系統的快速建立。

       

      系統構成示例

      系統構成示例

      關鍵詞:
      • 傳感器
      • 圖像傳感器
      • AI-STELLA 系列
    • 系統構成示例

    • POC報告 (以下為紡織品檢測的報告范例)

      Preferred Networks Visual Inspection軟件深度學習后生成可以證明精度的POC報告。
      ※ 未購買產品時也可有償提供POC報告。

      POC報告 (以下為紡織品檢測的報告范例) Preferred Networks Visual Inspection軟件深度學習后生成可以證明精度的POC報告。 ※ 未購買產品時也可有償提供POC報告。

    相關下載

    相關產品

    多相機圖像傳感器

    MVS 系列


    PM/EM:只需按照設定步驟提示進行操作

    簡易型顏色面積傳感器

    CVSE1-RA 系列


    一體化彩色圖像傳感器 顏色分辨率:15,000種顏色

    一體化顏色面積圖像傳感器

    CVS1-RA 系列


    一體化彩色圖像傳感器 高速響應時間:0.6-22ms

    顏色面積&形狀識別圖像傳感器

    CVS2-RA 系列


    一體化彩色圖像傳感器 顏色面積和形狀檢測 可同時檢測2種顏色面積

    邊緣輪廓識別圖像傳感器

    CVS3-RA 系列


    一體化彩色圖像傳感器 邊緣輪廓判別 形狀/方向判別

    字符識別圖像傳感器

    CVS4-RA 系列


    一體化OCR圖像傳感器 多種字符格式可識別 NG圖像保存,Max. 95張
    NEW
    fastus

    追求簡單操作OCR字符識別圖像傳感器GVS系列

    GVS 系列


    從各個角度都具有良好識別性的顯示燈

    產品留言


    *
    *
    *
    *
    *
    提交留言
  • youji.zz.com