Você perdeu a Conferência de fabricantes de soluções digitais do Google Cloud? Assista às sessões sob demanda
Treine e implante rapidamente modelos de IA para detectar automaticamente defeitos de produção sem precisar de conhecimento técnico.
Comece rapidamente com uma interface do usuário guiada no Google Cloud ou em nossa API
Treinar modelos de IA de alta precisão e específicos do domínio para detectar os defeitos mais tangíveis
Pouco esforço de rotulagem devido ao aprendizado ativo comece com apenas algumas imagens de erro
Executar modelos de previsão na linha de produção por meio de contêineres do Docker
Vantagens
Implante modelos de inspeção de alto desempenho na borda da rede ou no chão da fábrica.
Forneça um ROI significativo reduzindo os custos de inspeção, o retrabalho e os valores altos e melhorando as principais métricas de qualidade (por exemplo, taxa de escape, taxa de sobretensão e rendimento).
A tecnologia de visão de computador e aprendizado de máquina com melhor classificação permite que você realize as tarefas de inspeção mais desafiadoras.
Principais recursos
Detecta até mesmo os defeitos mais sutis em vários estágios do processo de montagem (componentes incorretos, ausentes, ausentes, girados ou deformados).
Localiza até mesmo os defeitos mais pequenos e complexos (amassados, arranhões, rachaduras, deformações etc.) em qualquer tipo de superfície.
Execute modelos diretamente no andar da loja com contêineres Docker facilmente implantados. Os modelos são treinados para atender aos requisitos de qualidade de produção para taxas de escape e sobrecarga.
Comece a criar modelos com apenas algumas imagens rotuladas. O aprendizado ativo sugere automaticamente imagens adicionais para o operador rotular e melhorar ainda mais o desempenho do modelo.
Casos de uso
A Visual Inspection AI foi criada especificamente para o ambiente de produção e aborda uma grande variedade de casos de uso nos setores automotivo, eletrônico, semicondutor e industrial.
Os fabricantes automotivos usam a Visual Inspection AI para inspecionar soldas feitas por robôs em busca de anomalias nas articulações estruturais mais críticas dos chassi.
Os fabricantes de eletrônicos usam o Visual Inspection AI para inspecionar simultaneamente vários componentes individuais em placas de circuito impresso (PCBs, na sigla em inglês) de alto volume para detectar componentes, parafusos, molas e soldados ausentes, extraviados ou danificados.
Os fabricantes de semicondutores usam o Visual Inspection AI para detectar e localizar defeitos em wafers, defeitos no chip ou rachaduras no molde.
Casos de uso típicos
Problemas de classificação gerais
Segmentado para tarefas de inspeção visual em ambientes de fabricação
Implantação local
S (com o contêiner do Docker)
Modelos específicos da fabricação
Y (melhoria contínua devido à otimização de modelos específicos do domínio)
Tratamento de conjunto de dados desequilibrado
N (requer o mesmo número de defeitos e não defeitos rotulados)
Y (é possível usar um número maior de amostras normais, além de alguns defeitos rotulados, comuns na fabricação)
Aprendizagem ativa
Y (identifica exemplos suspeitos rapidamente para revisão humana e rotulagem)
Segmentação e localização
Y (especifique a área em que o defeito foi encontrado)
Detecção de componentes ausentes
Compatibilidade com imagens de alta resolução
Y (até 100 M pixels)
Alinhamento automático de imagens
Y (alinhamento automático de imagens em streams de câmera)
Detecção de anomalias de imagens
Casos de uso típicos
Problemas de classificação gerais
Implantação local
Modelos específicos da fabricação
Tratamento de conjunto de dados desequilibrado
N (requer o mesmo número de defeitos e não defeitos rotulados)
Aprendizagem ativa
Segmentação e localização
Detecção de componentes ausentes
Compatibilidade com imagens de alta resolução
Alinhamento automático de imagens
Detecção de anomalias de imagens
Casos de uso típicos
Segmentado para tarefas de inspeção visual em ambientes de fabricação
Implantação local
S (com o contêiner do Docker)
Modelos específicos da fabricação
Y (melhoria contínua devido à otimização de modelos específicos do domínio)
Tratamento de conjunto de dados desequilibrado
Y (é possível usar um número maior de amostras normais, além de alguns defeitos rotulados, comuns na fabricação)
Aprendizagem ativa
Y (identifica exemplos suspeitos rapidamente para revisão humana e rotulagem)
Segmentação e localização
Y (especifique a área em que o defeito foi encontrado)
Detecção de componentes ausentes
Compatibilidade com imagens de alta resolução
Y (até 100 M pixels)
Alinhamento automático de imagens
Y (alinhamento automático de imagens em streams de câmera)
Detecção de anomalias de imagens
Preços
Entre em contato com a equipe de vendas para saber detalhes sobre preços
Parceiros
Comece a criar no Google Cloud com US$ 300 em créditos e mais de 20 produtos do programa Sempre gratuito.