Detecção Automatizada de Falsificações
Verifique a autenticidade dos produtos eletrônicos devolvidos para reembolso
Produtos Relacionados
Ambiente de programação gráfica para análise de imagem industrial baseada em deep learning
Baseado na Tecnologia de Software de Visão In-Sight ViDi Deep Learning
Smartphones de última geração e outros produtos eletrônicos de consumo caros são alvos naturais da falsificação. As devoluções de produtos falsificados para reembolso são um problema crescente e uma fonte de perdas financeiras para os fabricantes.
Os produtos são comprados e devolvidos por comércio eletrônico. Muitas devoluções de produtos ostensivos são, na verdade, falsificações que usam a mesma caixa ou uma semelhante, mas contêm outros componentes internos ou estão vazias. Os fabricantes devem verificar a autenticidade do produto antes de emitir um reembolso.
Imagens de raio-X podem mostrar o interior de cada caixa. Dada a ampla variedade de conteúdos possíveis, os sistemas de visão convencionais são limitados em sua capacidade de distinguir produtos autênticos dos falsificados na taxa necessária para um processamento eficaz.
O Deep Learning da Cognex é uma solução ideal para identificar devoluções de produtos falsos, uma vez que não depende de programação complexa e demorada. A ferramenta de localização de peças treina com um conjunto de imagens contendo as peças específicas que precisam estar presentes para que o smartphone devolvido seja classificado como completo e autêntico. Depois de treinada, a ferramenta de localização de peças examina imagens de raios-X de telefones devolvidos e confirma rapidamente a presença ou ausência dessas peças nos locais apropriados, sem a necessidade de abrir a caixa.
Dependendo dos tipos de falsificações devolvidas, a ferramenta de classificação de Deep Learning da Cognex também pode ser usada. Nesse caso, a ferramenta de classificação treina com imagens de raio-X de telefones autênticos e falsificados e aprende a distinguir telefones autênticos de uma ampla variedade de falsificações. À medida que os tipos de falsificação mudam, a ferramenta de classificação é facilmente retreinada com um conjunto de imagens do novo tipo e pode ser rapidamente reimplementada na linha com a nova categoria, sem programação.
