产品中心

+
  • AI.jpg

基于AI深度学习功能的图像传感器


AI-STELLA 系列

  • 学习数据无需注释
    只需归类OK/NG图像样本即可
  • 少量数据即可学习
    约100张OK&20张NG图像
  • 混合型视觉系统
    “AI外观检查”&“传统视觉检测”
  • 特点
  • 应用
  • 特性图
  • 下载
  • 来自日本重量级AI企业研发

    通过AI深度学习实现高精度检测的外观检查软件
    Preferred Networks Visual Inspection

    Preferred Networks(PFN)公司提供的Preferred Networks Visual Inspection产品,是通过深度学习,实现高精度、高灵活性、高性价比的外观检查软件。
    其解决了传统深度学习检测软件所存在的,需要解决大量学习数据的收集、对不良特征的注释很麻烦、以及模型构建困难等问题,无需对学习数据进行注释,即可实现高精度的检测效果。从而,可以快速·低成本的构建检测系统。

     

    产品特长

    1 日本PFN公司独自的深度学习模型

     

    采用PFN独自的卓越的深度学习模型只需少量数据即可实现高精度检测。

    4 只需少量图像进行学习

    4 只需少量图像进行学习

    与传统必须要数万~数十万张图像作为学习数据相比,PFN只需100张良品及20张不良品图像即可实现深度学习。

    2 简化注释

    1 日本PFN公司独自的深度学习模型

    对于被测物图像,只需提供按[良品(good)]/[不良品(bad)]分类好的图像即可实现深度学习。无需标注出不良特征/不良位置。

    5 不良位置的可视化

    1 日本PFN公司独自的深度学习模型

    通过热力图成像凸显出不良位置,提高对检查结果的说明性。

    3 直观的用户界面GUI

    1 日本PFN公司独自的深度学习模型

    通过学习工具的GUI界面,从登陆图像、模型学习、检测精度比较等都可以进行一气呵成的管理,构建直观的、高精度的检测模型。

    6 建立灵活·快速的检测模型

    1 日本PFN公司独自的深度学习模型

    提供构建检测系统所需的推论数据库。
    从学习到导入系统无缝连接,实现检测系统的快速建立。

     

    系统构成示例

    系统构成示例

    关键词:
    • 传感器
    • 图像传感器
    • AI-STELLA 系列
  • 系统构成示例

  • POC报告 (以下为纺织品检测的报告范例)

    Preferred Networks Visual Inspection软件深度学习后生成可以证明精度的POC报告。
    ※ 未购买产品时也可有偿提供POC报告。

    POC报告 (以下为纺织品检测的报告范例) Preferred Networks Visual Inspection软件深度学习后生成可以证明精度的POC报告。 ※ 未购买产品时也可有偿提供POC报告。

相关下载

相关产品

多相机图像传感器

MVS 系列


PM/EM:只需按照设定步骤提示进行操作

简易型颜色面积传感器

CVSE1-RA 系列


一体化彩色图像传感器 颜色分辨率:15,000种颜色

一体化颜色面积图像传感器

CVS1-RA 系列


一体化彩色图像传感器 高速响应时间:0.6-22ms

颜色面积&形状识别图像传感器

CVS2-RA 系列


一体化彩色图像传感器 颜色面积和形状检测 可同时检测2种颜色面积

边缘轮廓识别图像传感器

CVS3-RA 系列


一体化彩色图像传感器 边缘轮廓判别 形状/方向判别

字符识别图像传感器

CVS4-RA 系列


一体化OCR图像传感器 多种字符格式可识别 NG图像保存,Max. 95张
NEW
fastus

追求简单操作OCR字符识别图像传感器GVS系列

GVS 系列


从各个角度都具有良好识别性的显示灯

产品留言


*
*
*
*
*
提交留言