OKMedidas e regras
Cando o defecto se pode describir con regras: medidas, presenza, lectura de caracteres. Rápida, estable e fácil de explicar.
Inicio / Visión artificial / Deep learning
Visión artificial · intelixencia artificial
Deep learning na inspección: onde a visión clásica non chega
Hai defectos que non se poden describir con regras: un selado con pregues, unha superficie con reflexos, un produto natural que nunca é igual dúas veces. Para eses usamos deep learning, redes neuronais adestradas cos seus propios produtos e integradas na liña.
Como o decidimos
Visión clásica, deep learning ou as dúas
Non todo necesita intelixencia artificial. En cada caso estudamos que técnica dá a fiabilidade que necesita e dicímosllo antes de asinar, tamén o que non se pode garantir.
Defectos difíciles
Para o que cambia dun envase a outro: selados, pregues, reflexos, superficies, materiais ou produtos naturais e moi variables.
O proceso, en números
Histogramas e tendencias de cada medida para ver se o proceso se está a desaxustar, antes do primeiro rexeitamento.
Un caso real
Selado do fondo, vixiado por deep learning
Co noso software Nadir detectamos problemas de selado no fondo de envases de cartón mediante deep learning, e a estatística do proceso anticipa as desviacións antes de que se convertan en defectos.
- Redes neuronais adestradas cos seus envases bos e malos
- Media, dispersión e campá de Gauss de cada medida
- Alarma por desviación, antes do primeiro rexeitamento
- Foto de cada rexeitamento e aviso ao instante a quen vostede decida
Como inspeccionamos os selados →
Cando o deep learning reduce os falsos rexeitamentos →
Unha soa receita de deep learning para todas as referencias →
Como traballamos
Da mostra á liña
O deep learning forma parte da nosa intelixencia artificial aplicada: ferramentas concretas, medidas polo que melloran na liña.
Cos seus produtos, en remoto e sen custo
Envíanos fotos, vídeos ou pezas boas e malas (se fai falta ir á planta, o desprazamento factúrase á parte) e dicímoslle se o defecto se detecta en liña, con que técnica e con que fiabilidade se pode esperar.
Unha rede para o seu produto
Cunhas decenas de pezas boas e malas xa se pode comezar a adestrar. Se non hai datos suficientes, dicímosllo.
Integrada e medida
O modelo traballa na liña como unha ferramenta máis da receita, coa foto e o motivo de cada rexeitamento.
Preguntas frecuentes
Respostas ás dúbidas máis habituais
Cando fai falta deep learning nunha inspección?
Cando o defecto non se pode describir con regras: selados, superficies, pregues, reflexos ou produtos naturais e moi variables. Se o defecto se pode medir, a visión clásica é máis sinxela e estable.
Cantas imaxes necesito para comezar?
Non sempre moitas: cunhas decenas de pezas boas e malas xa se pode comezar a adestrar. Dicímoslle con honestidade se hai datos suficientes ou que falta.
As miñas imaxes saen da empresa?
Decídeo vostede. Podemos traballar con modelos que se executan nas súas instalacións ou con servizos na nube baixo contrato, e explicámosllo antes de comezar.
Pódese combinar coa visión clásica?
Si, e é o habitual: as regras para o que se mide e o deep learning para o que varía, na mesma inspección.
Proba de viabilidade en remoto, sen custo
O seu defecto non se deixa describir con regras?
Envíenos mostras boas e malas. Dicímoslle que técnica funciona co seu produto e con que fiabilidade se pode esperar.