首页  产品信息 科研/工业成像系统 3D传感器&3D成像设备 人工智能机器视觉识别软件

3D传感器&3D成像设备

基于深度学习和3D相机的无序抓取解决方案智能3D相机 人工智能深度相机 AI-3D人工智能机器视觉识别软件TOF相机科研级3D光场相机 显示全部
dow.png

人工智能机器视觉识别软件

  • 产品图片
  • 微信好友

  • QQ好友

  • QQ空间

  • 新浪微博

  • 人工智能助力机器视觉,效率高,可塑性强,普适性强,应用范围广。

    所属类别:科研/工业成像系统 » 3D传感器&3D成像设备

    所属品牌:

    产品负责人:

    姓名:李工(Mark)

    电话:185 1643 1530(微信同号)

    邮箱:tiemin-li@auniontech.com


  • 产品详情
  • 数据单及文献下载
  • 猜你喜欢
  • 询问表格
  • 联系方式

    产品负责人

    姓名:李工(Mark)

    电话:185 1643 1530(微信同号)

    邮箱: tiemin-li@auniontech.com

    微信二维码

  • 运用深度学习让机器仿如人脑一样能自我学习,可轻易的辨识传统光学检测(AOI)难以检测的不规律瑕疵及特征,如脏污、刮痕、裂缝、毛边等等。亦可用来实时又正确地将物件分类及分级,及引导机器人自动找寻正确工作路径。无论是「监督式学习」或较先进的「非监督式学习」,使用者仅需提供少量样本自我学习,即能省去耗时并需客制化的软件编写,大幅降低导入机器视觉的门坎。除了辨识外,已与全球知名品牌机器人串联,当软件辨识完毕,其后续所需的取放动作,均能透过机器人轻松自如地完成任务,充份达成产线完全自动化的完美境界。


    人工智能机器视觉与传统视觉的比较


    高效率:


    例如用传统算法去评估一个棋局的优劣,可能需要专业的棋手花大量的时间去研究影响棋局的每一个因素,而且还不一定准确。而利用深度学习技术只要设计好网络框架,就不需要考虑繁琐的特征提取的过程。这也是 DeepMind公司的AlphaGo 能够强大到轻松击败专业的人类棋手的原因,它节省了大量的特征提取的时间,使得本来不可行的事情变为可行。


    可塑性:

    在利用传统算法去解决一个问题时,调整模型的代价可能是把代码重新写一遍,这使得改进的成本巨大。深度学习只需要调整参数,就能改变模型。这使得它具有很强的灵活性和成长性,一个程序可以持续改进,然后达到接近完美的程度。


    普适性:

    神经网络是通过学习来解决问题,可以根据问题自动建立模型,所以能够适用于各种问题,而不是局限于某个固定的问题。


    应用领域


                                                       字体识别                                                             瑕疵检测


    物件对比&升级


                                                    快速物件分类                                               特征点辨识和定位


    应用案例


    多暇疵检测:iphone充电头测试,相机1只,优点:多瑕疵检测


    PCB板检测:相机1只,优点:用Golden Sample教导系统,让系统自行找出与Golden Sample不同的PCB板,不需要制造协暇来让系统学习。



    数量检测:相机:1只(Fov内都可以算出数量) 优点:使用深度学习的方式来做,可提高辨视率,即使产品靠的很紧都可以正确辨视

    隐形眼镜瑕疵检测


    数据单下载

    展示全部 dow.png

    询问表格

    * 号为必填内容
  • *
  • *
  • *
  • *
  • 百度
    360搜索
    必应
    谷歌
  • 产品标签:机器视觉,2D机器视觉,深度学习, 瑕疵检测, 装备验证, 机器人引导, 表面检测,字符识别