搜尋結果
色彩分析也可用於製造應用中的品質檢測，包括分析零件色彩所在的零件識別。康耐視技術將預先訓練的色彩逐一圖元擷取出來，以搭配灰階視覺工具進行處理。強大的色彩擷取工具可同時擷取出色彩組合。
從我們口袋中的行動電話，到真實上路的自行駕駛車，消費經濟早已開始利用深度學習神經網路的強大威力。 深度學習成為下列領域的新興基礎科技： 語音，文字和人臉辨識
深度學習技術可用來預測圖案和執行判斷本位的應用。. 這項先進的技術可部署人工智慧 (AI) 演算法，教導機器人與機器做出接近一般人類的行為舉止：從實例學習。. 從我們口袋中的行動電話，到真實上路的自動駕駛汽車，消費經濟早已開始利用深度學習神經 ...
- 包裝缺陷探測
- 包裝光學字元辨識
- 包裝裝配驗證
- 包裝分類
對於瓶、罐類的包裝檢測，機器視覺的價值無法衡量。事實上，在大部分工廠中，機器視覺不僅可在製造期間檢測標籤的位置和包裝，還能放料並對準。 傳統機器視覺擅長處理標籤缺陷，巧妙地探測起皺、裂縫、撕裂、翹折、氣泡及印刷錯誤。高對比影像與表面擷取技術能夠擷取缺陷，即使位於曲面或光線條件不佳，也不是問題。不過，一般鋁質金屬表面的眩光，還有其缺陷難以預知又多變，並非全都需要剔除，而可能會干擾傳統機器視覺判別。表面檢測難題之中，還包括像是長條掛擦與淺凹痕等無數的缺陷形態與類型，使得明確搜尋所有類型的潛在缺陷並不可行。 使用新的深度學習方法，能夠精準並反覆地檢測各種不同的棘手金屬包裝表面。使用康耐視深度學習，不會明確撰寫程式和檢測，深度學習演算法會以一組已知「合格」的樣本來訓練自己，建立其參考模型。在此訓練階...
無論是何種材料或類型，都有日期/批代碼隱身在絕大多數消費性包裝上。使用者和消費者在購物時，還有製造廠商在驗證階段期間，能有清楚印出並可讀取的這些代碼相當重要。例如，瓶身或餅乾包裝上的標籤所印的日期/批代碼有誤印、髒污或變形情況，就會對兩者造成問題。 一般而言，傳統機器視覺能在條碼離開工廠之前，輕鬆辨識和/或驗證其是否可讀和正確，但某些表面很棘手而過於難以達成。印在金屬汽水罐之類鏡面材料的條碼有髒污或傾斜的這類情況下，使用機器視覺檢測系統並不是相當可靠，而需要交由人類檢測員讀取。因此，包裝業者需要檢測系統能以人類標準判斷可讀性，但要具備電腦化系統的速度，同時堅固耐用。邁進深度學習。 康耐視的深度學習 OCR 工具能探測和讀取純文字的日期/批代碼，驗證一連串數字與字母正確與否，甚至嚴重變形、歪斜...
多重包裝產品可能會有像是假日主題或季節限定之類有目的性的包裝變化，對於須仰賴視覺功能進行的裝配驗證而言很棘手。這些包裝在相同的盒子或箱上，展示不同的品項與配置。 為了進行這類檢測，製造廠商需要相當彈性靈活的檢測系統，找到並驗證個別的品項是否存在與正確、依適當配置排列，以及符合其外部包裝。為此，檢測系統要能在單一圖像內能逐行檢測以說明包裝變化的多項配置中，找到和分割數個興趣區。 若要依其獨特且多變的可識別特徵，找到個別的品項，深度學習系統是理想選擇，原因是其可依據尺寸、形狀、色彩及表面特徵，歸納出每種品項的可辨別特徵。康耐視深度學習軟體可迅速完成訓練，構建整個品項資料庫。接著，逐區進行檢測 (依象限或逐行)，以驗證已正確地裝配該包裝。
裝配成套檢測需要用到其自動化檢測系統的多項功能。消費者產品多重包裝出貨之前，必須檢測其數量與內含物類型正確。計數和識別就是傳統機器視覺廣受歡迎的能力。但為了確保多組件裝置包含正確的品項，需要依類別將所含的產品分類，例如多重包裝防曬產品是否包含兩種類型的防曬乳，或是否包含一支額外的防曬潤唇膏？ 這是傳統機器視覺所未具備的重要分類能力。幸好，如果裝配成套檢測要處理多變的產品類型，並需要人工智慧來區分這些類型的概略特徵，康耐視深度學習分類工具可以輕鬆與傳統定位與計數機器視覺工具，或與深度學習定位與計數工具結合使用。 深度學習分類的運作方法是，依據一系列標籤圖像分成不同類別，然後依照這些包裝的差異來識別產品。如果訓練將任何類別視為包含異常，則系統可以學習將其分類為可接受或不可接受。 和傳統機器視覺不...
2020年6月9日 · 深度學習缺陷探測如何將汽車業與其他產業的檢測自動化. 深度學習最適合用來在工廠自動化應用中，探測本身複雜且變化性高的塗裝缺陷以及其他不樂見的異常，特別是在非結構化的場景之中。 圖案複雜或位置變化大的背景場景會干擾傳統機器視覺檢測系統。 組件間有難以預測的自然變化。 當然，甚至是一致的背景，也可能因為材料可拉伸、有彈性且容易變形的性質，而在視覺外觀上出現很大差異。 尤其是塑料與編織紡織品，更要注意這點。 當缺陷類型複雜且位置變化多端時，會使得程式設計規模過大、不容易撰寫且過程冗長，因此可能會阻礙製造廠商多加使用傳統檢測方法。
- Brian Benoit
In-Sight 3800 以最快的速度來自動化各種檢測應用，讓您的作業速度于產業内領先。. In-Sight 3800 採用模組化硬體和大量的工具組，提供不限產業的解決方案，無論您目前的任務為何，都能達成最大產量並提高結果的準確性。.
提高產量並不犧牲產品品質，安全性和包裝完整性。. 消費性包裝產品業 (CPG) 要求其材質處理，檢測，貼標籤及裝配流程，都需要達到高產能，成本效益及精準度。. 康耐視已奠定特有競爭優勢和行業的地位，在 CPG 製造廠商，相關機器製造廠商，原始設備製造商 ...
