OKMisure e regole
Quando il difetto si può descrivere con regole: misure, presenza, lettura di caratteri. Veloce, stabile e facile da spiegare.
Home / Visione artificiale / Deep learning
Visione artificiale · intelligenza artificiale
Deep learning nell'ispezione: dove la visione tradizionale non arriva
Ci sono difetti che non si possono descrivere con regole: una sigillatura con pieghe, una superficie con riflessi, un prodotto naturale che non è mai uguale due volte. Per questi usiamo il deep learning, reti neurali addestrate sui suoi stessi prodotti e integrate nella linea.
Come lo decidiamo
Visione tradizionale, deep learning o entrambi
Non tutto ha bisogno dell'intelligenza artificiale. In ogni caso studiamo quale tecnica offre l'affidabilità di cui ha bisogno e glielo diciamo prima della firma, anche ciò che non si può garantire.
Difetti difficili
Per ciò che cambia da una confezione all'altra: sigillature, pieghe, riflessi, superfici, materiali o prodotti naturali e molto variabili.
Il processo, in numeri
Istogrammi e tendenze di ogni misura per vedere se il processo si sta sregolando, prima del primo scarto.
Un caso reale
Sigillatura del fondo, sorvegliata dal deep learning
Con il nostro software Nadir rileviamo problemi di sigillatura sul fondo di confezioni in cartone tramite deep learning, e la statistica di processo anticipa le deviazioni prima che diventino difetti.
- Reti neurali addestrate con le sue confezioni buone e difettose
- Media, dispersione e curva gaussiana di ogni misura
- Allarme per deviazione, prima del primo scarto
- Foto di ogni scarto e avviso immediato a chi decide lei
Come lavoriamo
Dal campione alla linea
Il deep learning fa parte della nostra intelligenza artificiale applicata: strumenti concreti, misurati per quanto migliorano la linea.
Con i suoi prodotti, da remoto e senza costi
Ci invia foto, video o pezzi buoni e difettosi (senza sopralluogo) e le diciamo se il difetto si rileva in linea, con quale tecnica e con quale affidabilità attesa.
Una rete per il suo prodotto
Con qualche decina di pezzi buoni e difettosi si può già iniziare ad addestrare. Se i dati non bastano, glielo diciamo.
Integrata e misurata
Il modello lavora in linea come un altro strumento della ricetta, con la foto e il motivo di ogni scarto.
Domande frequenti
Risposte ai dubbi più comuni
Quando serve il deep learning in un'ispezione?
Quando il difetto non si può descrivere con regole: sigillature, superfici, pieghe, riflessi o prodotti naturali e molto variabili. Se il difetto si può misurare, la visione tradizionale è più semplice e stabile.
Quante immagini mi servono per iniziare?
Non sempre molte: con qualche decina di pezzi buoni e difettosi si può già iniziare ad addestrare. Le diciamo onestamente se i dati bastano o cosa manca.
Le mie immagini escono dall'azienda?
Lo decide lei. Possiamo lavorare con modelli eseguiti nelle sue strutture o con servizi cloud sotto contratto, e glielo spieghiamo prima di iniziare.
Si può combinare con la visione tradizionale?
Sì, ed è la norma: le regole per ciò che si misura e il deep learning per ciò che varia, nella stessa ispezione.
Prova di fattibilità da remoto, senza costi
Il suo difetto non si lascia descrivere con regole?
Ci invii campioni buoni e difettosi. Le diciamo quale tecnica funziona con il suo prodotto e con quale affidabilità attesa.