搜尋結果
未經視覺檢測確保對準位置，食品與飲料製造廠商可能會產生不必要的浪費、成本高昂的重工、扣款，以及不符合產業與零售商標記與標籤法規的相關罰款。. 透過使用 In-Sight 視覺系統，食品與飲料製造廠商可確保標籤會放在產品的正確位置，以及避免因品質而 ...
三項常見的三維難題. 三維視覺解決方案面臨下列三項主要難題：需要以三維量測，包括繞著各軸旋轉 6 個自由度；缺乏真正的三維工具；以及嵌入式處理限制，還有其對運算密集型三維應用的影響。 因為大部分三維系統都使用高度圖，而不是真正的三維點雲掃描，三維視覺系統要以真正的 6 個自由度量測物體，可說是棘手難題。 使用高度圖，以色彩將高度資訊編碼的方式，類似於熱像圖將溫度編碼的方式。 遺憾的是，人類無法根據色彩來理解高度，而讓這些解決方案難以瞭解和為其設計程式。 大部分三維應用都會要求三維視覺系統稍加移動，以適應旋轉角度、傾斜度及傾斜方向。 最後，和使用真正的點雲相比，使用三維表面圖時的量測準確度會受到影響，因為只有點雲才能如同在「現實世界」般真實呈現物體。
Cognex Solution: In-Sight 2800. 管理需求. Rexona 止汗劑是 聯合利華（Unilever） 在其菲律賓工廠中製造的其中一種最暢銷的產品。 由於產能提高，聯合利華（Unilever） 顯然需要對其製造流程進行自動化。 決策過程. 實施機器視覺系統之前，聯合利華（Unilever） 在每條生產線配置多達 10 位作業人員手動執行以下品質檢測： 瓶蓋存在性及完整性. 印在瓶蓋上的顏色和日期碼是否正確. 檢查產品兩面上的標籤. 生產線平均速度運轉為每分鐘 220 瓶的。 儘管投入大量資金訓練勞工，聯合利華（Unilever）仍面臨大量產品不合格問題，原因是標籤在張貼過程中對位不准或起皺 對這些作業，執行人工檢測方式越來越不可行。
人類幾乎無法找出 X 光圖像中的不同病理差異。 面對這一類圖像，五位放射科醫師會有五種不同的意見。 研究 1：VisionPro Deep Learning 脫穎而出，領先群雄. 康耐視的研究構建在加拿大安大略省滑鐵盧大學研究人員的調查結果上，標題為「 COVID-Net：量身訂做深度卷積神經網路設計，從胸部 X 光影像之中發現 COVID-19 新冠肺炎病例 」。 使用稱為 COVID-X 的資料集當中近 14,000 張胸部 X 光片。 共同執筆者 Linda Wang 與 Alexander Wong 使用人工智慧來構建 COVID-Net，這個精密複雜的神經網路可以分析 X 光片，並學習識別顯露 COVID-19 新冠肺炎病徵的肺部。
In-Sight D900. 採用旋式上蓋的玻璃瓶與其他食品容器。. 可能會在螺紋頸口遭受許多種衝擊損傷。. 有廣泛多樣的缺口、裂縫、內含物及其他缺陷，指出瓶內可能會有玻璃碎片、裝上瓶蓋時可能會密封不良，或對終端消費者造成危險。. 在繼續填充和密封之前，務必 ...
康耐視驗證器將提供品質參數分級，即使條碼解碼失敗，仍會讓使用者瞭解可以從哪裡開始改善條碼品質。. 如需康耐視條碼驗證產品的詳細資訊，請瀏覽 http://www.cognex.com/barcode-verifiers. cgnx_pdf 下載讀碼器產品指南. Tags: ID - 2D 印刷, ID - 1D 高速, ID - 1D 低速, ID - 2D ...
不同於讀碼器，驗證器還可印出無法掃瞄條碼的原因，提供條碼發生缺陷的位置，讓製造廠商可採取修正行動。印出列有條碼等級的報告，有助於證明條碼符合產業標準 相關內容 條碼驗證與條碼品質管理的比較 條碼驗證的使用方式 何謂條碼驗證
