In-Sight ViDi Tools

In-Sight ViDi ist eine leistungsstarke Deep-Learning-Software-Plattform für spezifische Anwendungen, die für herkömmliche Bildverarbeitungssysteme zu schwierig, mühsam oder teuer sind. Dank einer benutzerfreundlichen Oberfläche macht In-Sight ViDi komplexes Programmieren überflüssig und die Deep-Learning-Technologie auch für Mitarbeiter zugänglich, die keine Bildverarbeitungsexperten sind. Sie automatisiert Prüfungen an der Fertigungslinie, die zuvor nur mit menschlichen Prüfern möglich waren.

Das In-Sight ViDi Read-Tool erkennt mithilfe optischer Zeichenerkennung (OCR) stark verformte, schiefe und schlecht geätzte Codes. Es ist sofort einsatzbereit und verkürzt die Entwicklungszeit dank der vorab trainierten Deep-Learning-Schriftenbibliothek drastisch. Legen Sie einfach den Zielbereich fest und stellen Sie die Zeichengröße ein. In Situationen, in denen neue Zeichen eingeführt werden, kann dieses robuste Tool ohne Vision-Kenntnisse neu trainiert werden, um anwendungsspezifische Codes zu lesen, die herkömmliche OCR-Tools nicht dekodieren können.

Das In-Sight ViDi Check-Tool nützt künstliche Intelligenz, um zuverlässig komplexe Merkmale und Objekte zu erkennen und anhand ihrer Lokalisierung in einem benutzerdefinierten Layout zu überprüfen, ob Teile und Sets richtig montiert wurden. Es kann so trainiert werden, dass es eine umfassende Bibliothek der Komponenten erstellt, die im Bild lokalisiert werden können, selbst wenn sie in verschiedenen Winkeln erscheinen oder unterschiedliche Größen haben.

Das In-Sight ViDi Detect-Tool eignet sich ideal für das Auffinden von Anomalien auf komplexen Teilen und Oberflächen, selbst in Situationen, in denen das Aussehen der Defekte unvorhersehbar sein kann. Es lernt von Bildern fehlerfreier Teile, um defekte Teile zu erkennen. Auf diese Weise kann das Tool eine Vielzahl von Fehlern erkennen, die nicht in der Einlernphase vorausdefiniert werden müssen.

Das ViDi Classify-Tool nutzt Deep Learning zur automatischen Erkennung und Einteilung von Objekten in Klassen. Dieser leistungsstarke Klassifikator ist in der Lage, innerhalb derselben Objektklassen zwischen visuell ähnlichen, aber unterschiedlichen Objekten zu unterscheiden, während er natürliche Abweichungen toleriert. Die Klassifizierung der Fehlerart ermöglicht eine bessere Prozesskontrolle und Korrekturmaßnahmen durch die Entwickler, um den Ausschuss zu minimieren und die Produktion schlechter Teile zu reduzieren.