Tiefe lernende automatisches Kontrollsystem-neurale Netze Aoi Vision

Tiefe lernende automatisches Kontrollsystem-neurale Netze Aoi Vision Machine

Tiefe Lernenbildverarbeitung ist, Bildverarbeitungsprobleme zu lösen, indem sie ein „Gehirn ähnliches neurales Netz“ errichtet und auf die Methode von zeichnet

menschliches Gehirn, das Daten verarbeitet. Deshalb erfordert jede mögliche Szene, die das tiefe Lernen mit einbezieht, zwei notwendige Bedingungen: eins ist die Unterstützung von verschiedenen Repräsentativbildern der großen Daten; das zweite ist eine leistungsfähige Datenverarbeitungsplattform - im Allgemeinen unter Verwendung einer Datenverarbeitungsplattform GPU. In den tatsächlichen industriellen Anwendungsszenario sind diese zwei Bedingungen extrem schwierig zu erzielen, und die Durchführungskosten sind extrem hoch. KEYE-TECHNOLOGIE AI ist ein tiefes Teach-in-Funktion, das auf der Grundlage von die allgemeine Entwicklungsplattform Kvis gestartet wird. Sie kombiniert die eigenen starken traditionellen Bildverarbeitungsalgorithmen KEYE-Technologie, um die meisten von über zwei Problemen zu lösen.

Equipmet-Konfigurationen

Die Inspektionsmaschine nimmt industrielle Kameras des Hochpixels und leistungsstarke stroboskopische Lichtquellen an, um Allrichtungssichtprüfungen für Produktauftrittdefekte durchzuführen. Die Ausrüstung kann Stunden 7*24 des Allwettereinsatzes verwirklichen, und sie kann online automatisch sein. Beseitigen Sie nicht der Norm entsprechende Produkte.

Einsatzbereich

Vorteile und Eigenschaften
(1) wird Folgerung des neuralen Netzes vollständig basiert auf CPU eingeführt: Der Modellfolgerung des neuralen Netzes, die durch KEYE-TECHNOLOGIE AI ausgebildet wird, wird vollständig basiert auf CPU eingeführt, und das Modelltraining des neuralen Netzes stützt CPU und GPU. Benutzer können eine Rechenleistungsplattform entsprechend der Komplexität des Modells flexibel wählen, das durch das Projekt erfordert wird, dadurch sie sparen sie unnötige Hardware-Ausgaben auf der Rechenleistungsplattform;
(2) innovativer „tiefer Lernenentstörungs“ Algorithmus des defektes: verwenden Sie traditionelle Algorithmen, um alle möglichen Defektbereiche zu finden, und verwenden Sie nur tief lernen, die O.K.- und NG-Unterscheidung von Defektbereichen zu lösen und das Problem der Ausbildung von BildDatenerfassung so lösen;
(3) Unterstützung die Umschulung von Modellen des neuralen Netzes: Entsprechend der Komplexität der Anwendung der industriellen Szenario, wird die Weiterbildung von Modellen gestützt, damit Industrie-spezifische Modelle des neuralen Netzes gebildet werden können.

Vorkehrungen

1. Die Ausbildungsdatei muss sich auf „Qualität“ und „Quantität“ ausschließlich konzentrieren

•  Qualität: Die Datei, die für die Ausbildung benutzt wird, muss repräsentativ sein, enthalten verschiedene mögliche Situationen, und die Verteilung der Anzahl von Bildern entsprechend jeder Situation sollte einheitlich sein.
• Quantität: Die Anzahl von den Dateien, die für die Ausbildung benutzt werden, muss verhältnismäßig groß sein. Entsprechend der Komplexität des Modells, muss die Anzahl von hochwertigen Bildern groß sein.

2. Traditionelle Algorithmen sollten mit dem tiefen Lernen kombiniert werden. Traditionelle Algorithmen können ihn tun, bauen nicht auf das tiefe Lernen

• Traditionelle Algorithmen: Positionierung, Größe, etc.
• Tiefes Lernen: beziehen Sie sich die auf „Probleme, die schwierig, durch traditionelle Algorithmen zu lösen“ einführten früher sind.

3. Lokalisieren Sie genau spezifische Probleme, von „teilweisem“ auf „ganzes“. Das Endziel eines Projektes der industriellen Bildverarbeitung ist, 100% genaue Entdeckung zu erzielen, aber es gibt verschiedene Fragen während der Projektentwicklung, die dieses Ergebnis beeinflussen. Wenn ein anormales Ergebnis auftritt, ist es notwendig, die spezifische Verbindung genau zu errichten, um zu prüfen und zu finden.

• Bericht der Ausbildungsdatei: Nachdem die Daten klassifiziert sind, nach der Kennzeichnung muss sie wieder überprüft werden, zu sehen, wenn es irgendeinen Kennzeichnungsfehler oder Klassifikationsfehler gibt.
• Modellargumentation des neuralen Netzes: Nach vorbildlichem Training sicher sein, viele Bilder vor dem Import von Technikdateien auf on-line-Argumentation zu prüfen.

Kundendienst

Die Firma hat ein komplettes Team des technischen Services und schnellen einen Wartemechanismus und hat Spezialisten des eingeweihten Services für jeden Kunden, der technische Beratung und Fehlerberichte von den Kunden jederzeit empfangen kann. Und schnelle Antwort zu den Kundennotn- sicherstellen, um zu garantieren dass Kunden zufriedenstellenden Service empfangen. Während des epidemischen oder wegen der speziellen Gründe, wenn Nachverkaufsingenieure nicht imstande sind, den Standort zu erreichen, kann der Service-Center Kundenausrüstung auf die Fehlersuche und technische Beratung entfernt einstellen.

Nachdem die Ausrüstung in der Kundenseite ankommt, kommt der Nachverkaufsingenieur in der Zeit, Geräteeinbau, die Beauftragung und Operationstraining durchzuführen an. Die Produktqualität der ganzen Maschine ist nachweisbar, und der Qualitätsgarantiezeitraum ist von Annahmetag 1-jährig. Im Falle der nicht menschlichen Störungen während des Garantiezeitraums, kommen Nachverkaufsingenieure schnell im Standort an oder stellen Fernanleitung für freie Wartung zur Verfügung.