OKMedidas y reglas
Cuando el defecto se puede describir con reglas: medidas, presencia, lectura de caracteres. Rápida, estable y fácil de explicar.
Inicio / Visión artificial / Deep learning
Visión artificial · inteligencia artificial
Deep learning en inspección: donde la visión clásica no llega
Hay defectos que no se pueden describir con reglas: un sellado con pliegues, una superficie con reflejos, un producto natural que nunca es igual dos veces. Para esos usamos deep learning, redes neuronales entrenadas con sus propios productos e integradas en la línea.
Cómo lo decidimos
Visión clásica, deep learning o las dos
No todo necesita inteligencia artificial. En cada caso estudiamos qué técnica da la fiabilidad que necesita y se lo decimos antes de firmar, también lo que no se puede garantizar.
Defectos difíciles
Para lo que cambia de un envase a otro: sellados, pliegues, reflejos, superficies, materiales o productos naturales y muy variables.
El proceso, en números
Histogramas y tendencias de cada medida para ver si el proceso se está desajustando, antes del primer rechazo.
Un caso real
Sellado del fondo, vigilado por deep learning
Con nuestro software Nadir detectamos problemas de sellado en el fondo de envases de cartón mediante deep learning, y la estadística del proceso anticipa las desviaciones antes de que se conviertan en defectos.
- Redes neuronales entrenadas con sus envases buenos y malos
- Media, dispersión y campana de Gauss de cada medida
- Alarma por desviación, antes del primer rechazo
- Foto de cada rechazo y aviso al instante a quien usted decida
Cómo trabajamos
De la muestra a la línea
El deep learning forma parte de nuestra inteligencia artificial aplicada: herramientas concretas, medidas por lo que mejoran en la línea.
Con sus productos, sin coste
Nos envía piezas buenas y malas y le decimos si el defecto se detecta en línea, con qué técnica y con qué fiabilidad esperable.
Una red para su producto
Con unas decenas de piezas buenas y malas ya se puede empezar a entrenar. Si no hay datos suficientes, se lo decimos.
Integrada y medida
El modelo trabaja en la línea como una herramienta más de la receta, con la foto y el motivo de cada rechazo.
Preguntas frecuentes
Lo que nos suelen preguntar
¿Cuándo hace falta deep learning en una inspección?
Cuando el defecto no se puede describir con reglas: sellados, superficies, pliegues, reflejos o productos naturales y muy variables. Si el defecto se puede medir, la visión clásica es más sencilla y estable.
¿Cuántas imágenes necesito para empezar?
No siempre muchas: con unas decenas de piezas buenas y malas ya se puede empezar a entrenar. Le decimos con honestidad si hay datos suficientes o qué falta.
¿Mis imágenes salen de la empresa?
Lo decide usted. Podemos trabajar con modelos que se ejecutan en sus instalaciones o con servicios en la nube bajo contrato, y se lo explicamos antes de empezar.
¿Se puede combinar con la visión clásica?
Sí, y es lo habitual: las reglas para lo que se mide y el deep learning para lo que varía, en la misma inspección.
Prueba de viabilidad sin coste
¿Su defecto no se deja describir con reglas?
Envíenos muestras buenas y malas. Le decimos qué técnica funciona con su producto y con qué fiabilidad esperable.