Automatisierte Erkennung von Fälschungen
Überprüfung der Echtheit elektronischer Produkte, die für eine Rückerstattung zurückgegeben wurden
Ähnliche Produkte
Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
High-End-Smartphones und andere teure Produkte der Unterhaltungselektronik sind natürliche Fälschungsziele. Für eine Rückerstattung zurückgegebene gefälschte Produkte sind ein zunehmendes Problem und verursachen Herstellern finanzielle Verluste.
Die Produkte werden über den elektronischen Handel gekauft und zurückgeschickt. Viele angebliche Produktrückgaben sind in Wirklichkeit Fälschungen, die das gleiche oder ein ähnliches Gehäuse verwenden, aber andere Einbauten enthalten oder leer sind. Bevor Hersteller Geld rückerstatten, müssen sie die Echtheit von Produkten überprüfen.
Röntgenbilder zeigen das Innenleben des jeweiligen Gehäuses. Aufgrund der großen Bandbreite möglicher Inhalte ist die herkömmliche industrielle Bildverarbeitung nur begrenzt in der Lage, echte von gefälschten Produkten mit einer Geschwindigkeit zu unterscheiden, die für eine effiziente Verarbeitung erforderlich ist.
Cognex Deep Learning ist die ideale Lösung, um falsche Produktrückgaben zu erkennen, da es nicht auf komplexer, zeitaufwändiger Programmierung beruht. Das Teilelokalisierungstool wird anhand eines Bildsatzes trainiert, der die spezifischen Teile enthält, die vorhanden sein müssen, damit das zurückgegebene Smartphone als vollständig und echt klassifiziert wird. Nach dem Trainieren prüft das Teilelokalisierungstool Röntgenbilder der zurückgegebenen Telefone und bestätigt schnell sowie ohne Öffnung des Gehäuses, ob diese Teile an den richtigen Positionen vorhanden oder nicht vorhanden sind.
Je nach Art der zurückgegebenen Fälschung kann auch das Klassifizierungstool von Cognex Deep Learning eingesetzt werden. In diesem Fall wird das Klassifizierungstool anhand von Röntgenbildern echter und gefälschter Telefone trainiert und lernt echte Telefone von vielen Fälschungen zu unterscheiden. Wenn sich die Fälschungsarten ändern, kann das Klassifizierungstool problemlos anhand eines Bildsatzes des neuen Typs trainiert und ohne Programmierung wieder schnell auf der Linie mit der neuen Kategorie eingesetzt werden.
