Yahoo奇摩 網頁搜尋

搜尋結果

  1. 2019年10月24日 · 結合機器視覺與深度學習,是公司採用更聰明技術的入門,為下一代帶來規模、精準度、效率及財務成長。但瞭解傳統機器視覺與深度學習之間的微妙差異,以及彼此如何互補,而非取而代之,才可讓這些投資發揮最效用。

    • James Furbush
    • 汽車業缺陷探測
    • 電子業缺陷探測
    • 包裝業缺陷探測
    • 生命科學業缺陷探測

    汽車業組件具有許多不容易讀取的表面。對於自動化檢測系統而言,可能極為粗糙不平且多孔的金屬表面,還有內裝座椅與安全氣囊上使用的織品,都是一些最不容易讀取的表面。 織品會有紗線粗細、紡織紋理及圖案等自然變化。進行安全氣囊檢測時,務必要在縫製與接縫中找出會對部署造成重大影響的任何缺陷。難題分成兩部分。第一,天然織品紋理複雜,而且外觀會隨拉伸情況和拍攝當時的光線而有所變化。第二,也最有問題的是縫製或接縫缺陷數量相當龐大;若要明確搜尋,不僅費時冗長,而且幾乎不可能以基於規則的演算法一一找出。因此,以非監督方式訓練安全氣囊織品的正常外觀,讓檢測系統識別潛在缺陷,比較有用。 使用神經網路,深度學習工具可概念化和歸納織品的多變特性,識別所有異常呈現方式,同時穩健運作,適應編織圖案、紗線特性、顏色的自然變化,...

    嚴格的品質管理與缺陷探測,除了 OLED 顯示螢幕製造,就屬對電子業的半導體,最為至關重要。就像刮痕、扭曲、彎折或缺少針腳,都會自動遭到剔除一樣,即使是極淺的瑕疵也會影響晶片極嚴格的誤差範圍,而形成錯誤。 不過,設計程式將數量龐大的明確缺陷類型撰寫成基於規則的機器視覺演算法,並沒有效率。基本上,當每個瑕疵都會視為功能性異常時,與其將所有相異的晶片或引線都標示為缺陷,不如直接教導檢測系統什麼才是理想的半導體晶片或積體電路 (IC) 引線外觀。這項工作最適合採用以非監督模式運作的深度學習檢測工具。在此模式下,軟體的神經網路會概念化和歸納晶片的正常外觀,包括因耀眼的金屬表面而感測的任何變化在內,將遺失、斷裂或磨損的元件標示為缺陷。 製造廠商可立即受惠:不需要視覺專家或應用開發人員,也不必針對無法預...

    不只有在金屬表面,才需要於雜亂的背景上,識別刮傷及凹痕等塗裝缺陷。食品與飲料業和消費性產品業的包裝,很可能是由有光澤的塑料,或有如金屬薄板的光滑陶瓷材料製成。但這些表面一樣會有反光和鏡面眩光的問題。在這些條件下,傳統機器視覺系統可能難以鑒別圖像間的極小差異。 幸好,深度學習神經網路的設計可以看穿眩光。也是讓不完美的正常表面通過,並發現真正缺陷的最佳方法。以面霜的陶瓷瓶為例,瓶子本身之間的差異,不一定會導致立刻剔除。「功能性」異常會影響瓶子的效用,向來是剔除主因,外觀異常卻可能不是,其取決於製造廠商的需求和偏好。 康耐視深度學習可採用具成本效益、容易的部署方式,緊密結合機器視覺檢測與肉眼檢測兩者的優點。為此,應用或品質工程師可利用一組代表性的「合格」與「不合格」陶瓷瓶圖像,訓練深度學習軟體。比...

    由於電腦輔助診斷 (CAD),使得現今的放射科醫師角色迅速改變。傳統上需要以人工判斷,搜尋腫瘤等的生理異常。其位置與顯現方式變化多端。有時候,和稍微偏離人體正常的健康外觀相比,放射科醫師對於識別特定異常可能較不感興趣。 人類能將可能出現的不同呈現方式自然構成模型,還能區分「正常」與「異常」,因此檢閱 X 光或 MRI 結果,以及發現所述任一情況的能力相當卓越。不過,放射科醫師的生產力有其極限。即使是最專業的放射科醫師也可能遇到圖像中有其不熟悉,過去經驗裡也不曾看過的特徵。但,錯過潛在腫瘤或誤診的風險實在太大。 在這種情況下,可以發揮大數據的威力。即使背景相當雜亂或對比度不佳,深度學習軟體工具仍能找到目標檢測區,例如特定器官或特定脊椎骨。使用一組加上標籤的訓練圖像,AI 演算法即可開發器官正常...

    • Brian Benoit
  2. 功能全面且性能卓越的視覺系統,體積小巧,並采用獨特的模組化設計。. HDR+ 是專利申請中的先進演算法,可自行進一步地增加局域對比,突破原本的 HDR 技術藩籬。. 這樣單次採集可產生更一致的圖像,提供的景深更深,讓生產線速度更快,改善多點裝配驗證 ...

  3. 康耐視能滿足各種應用的精確要求,實現更智能的自動化,從而減少生產錯誤,這意味著更低的製造成本和更高的客戶滿意度!. 想要確保交付的產品滿足客戶嚴格質量要求的您,還在猶豫什麽?. 您想了解業內更多應用資訊嗎?. 您想知道您的產品問題是否能夠 ...

  4. 使用 Cognex Deep Learning,讀取 IC 電路板上的曲面字串、低對比字元,以及變形、歪斜及蝕刻不良的條碼。.

  5. 2020年9月3日 · 4 項工廠自動化深度學習檢測工具. 人類工作人員與基於規則的演算法所做不到的各式各樣生產功能,深度學習軟體都可以自動化。. 考量汽車業生產線工作的檢測人員:車門、擋泥板、座椅、車窗,以及數百項其他組件都可能在生產過程中,出現刮傷 ...

  6. 使用康耐視的最新高速液態鏡頭 (HSLL) 技術,使用者面對陳列讀碼以及高速、變化的應用時,都能輕鬆設定並動態對焦。 只要在軟體按一下,攝影機即可完成對焦設定。

  1. 其他人也搜尋了