OKMessungen und Regeln
Wenn sich der Fehler mit Regeln beschreiben lässt: Maße, Vorhandensein, Zeichenlesung. Schnell, stabil und leicht nachvollziehbar.
Startseite / Bildverarbeitung / Deep Learning
Bildverarbeitung · künstliche Intelligenz
Deep Learning in der Inspektion: wo klassische Bildverarbeitung an Grenzen stößt
Manche Fehler lassen sich nicht mit Regeln beschreiben: eine Siegelnaht mit Falten, eine Oberfläche mit Reflexionen, ein Naturprodukt, das nie zweimal gleich ist. Dafür setzen wir Deep Learning ein: neuronale Netze, trainiert mit Ihren eigenen Produkten und in die Linie integriert.
Unser Ansatz
Klassische Bildverarbeitung, Deep Learning oder beides
Nicht alles braucht künstliche Intelligenz. In jedem Fall klären wir, welche Technik die Zuverlässigkeit liefert, die Sie brauchen, und sagen es Ihnen vor der Unterschrift, auch was sich nicht garantieren lässt.
Schwierige Fehler
Für alles, was sich von Verpackung zu Verpackung ändert: Siegelnähte, Falten, Reflexionen, Oberflächen, Materialien oder natürliche und stark schwankende Produkte.
Der Prozess in Zahlen
Histogramme und Trends jedes Messwerts, um zu erkennen, ob sich der Prozess verstellt, noch vor dem ersten Auswurf.
Ein echter Fall
Bodensiegelung, überwacht mit Deep Learning
Mit unserer Software Nadir erkennen wir Siegelprobleme am Boden von Kartonverpackungen mittels Deep Learning, und die Prozessstatistik zeigt Abweichungen an, bevor sie zu Fehlern werden.
- Neuronale Netze, trainiert mit Ihren guten und fehlerhaften Verpackungen
- Mittelwert, Streuung und Gaußsche Glockenkurve jedes Messwerts
- Alarm bei Abweichung, vor dem ersten Auswurf
- Bild jedes Auswurfs und sofortige Meldung an die Personen Ihrer Wahl
So arbeiten wir
Vom Muster zur Linie
Deep Learning ist Teil unserer angewandten künstlichen Intelligenz: konkrete Werkzeuge, gemessen an dem, was sie an der Linie verbessern.
Mit Ihren Produkten, kostenlos
Sie senden uns gute und fehlerhafte Teile, und wir sagen Ihnen, ob sich der Fehler inline erkennen lässt, mit welcher Technik und mit welcher zu erwartenden Zuverlässigkeit.
Ein Netz für Ihr Produkt
Mit einigen Dutzend guten und fehlerhaften Teilen lässt sich bereits mit dem Training beginnen. Reichen die Daten nicht aus, sagen wir es Ihnen.
Integriert und gemessen
Das Modell arbeitet an der Linie als ein weiteres Werkzeug des Rezepts, mit Bild und Grund jedes Auswurfs.
Häufige Fragen
Was man uns oft fragt
Wann braucht eine Inspektion Deep Learning?
Wenn sich der Fehler nicht mit Regeln beschreiben lässt: Siegelnähte, Oberflächen, Falten, Reflexionen oder natürliche und stark schwankende Produkte. Lässt sich der Fehler messen, ist klassische Bildverarbeitung einfacher und stabiler.
Wie viele Bilder brauche ich für den Anfang?
Nicht immer viele: Mit einigen Dutzend guten und fehlerhaften Teilen lässt sich bereits mit dem Training beginnen. Wir sagen Ihnen ehrlich, ob genug Daten da sind oder was fehlt.
Verlassen meine Bilder das Unternehmen?
Das entscheiden Sie. Wir können mit Modellen arbeiten, die in Ihrem Haus laufen, oder mit Cloud-Diensten unter Vertrag, und erklären es Ihnen vor dem Start.
Lässt es sich mit klassischer Bildverarbeitung kombinieren?
Ja, und das ist der Normalfall: Regeln für das, was sich messen lässt, und Deep Learning für das, was schwankt, in derselben Inspektion.
Kostenloser Machbarkeitstest
Lässt sich Ihr Fehler nicht mit Regeln beschreiben?
Senden Sie uns gute und fehlerhafte Muster. Wir sagen Ihnen, welche Technik bei Ihrem Produkt funktioniert und mit welcher zu erwartenden Zuverlässigkeit.