在2月 2024 GEFRA GmbH 开始 最新进展 用于目视检查.
深度学习技术 优于缺陷检测中的标准视觉应用, 特别是在成像条件复杂且变化的情况下.
将该技术集成到 OPTISORT 测试系统中，为用户提供了全新的视角。通过深度学习, 有缺陷的部件和良好的部件被相应地学习和分类。这些数据集使用多层神经网络架构进行训练。基于这些模板, 测试项目被分类为良好或有缺陷的部分。深度学习需要大量的计算能力. 高性能 GPU 具有可高效进行深度学习的并行架构. 用户友好的 AutoControl 测试软件也确保了该应用程序的简单操作.
深度学习技术, 使用于自动视觉检测的机器视觉技术变得更容易使用和更强大.
深度学习的关键是神经网络模型的训练. AutoControl 交互式环境提供了用于训练这些模型以用于机器视觉应用的平台.
AutoControl 提供此任务所需的所有功能, 这样您就可以创建并标记训练图像数据集; 扩充图像数据集, 如果需要的话, 并训练, 分析, 并测试神经网络模型.
人工智能, 特别是通过深度学习技术进行的机器学习模仿人脑处理视觉输入的方式，但以计算机系统的速度和稳健性执行此任务. 该技术致力于确保制造业的质量, 控制生产成本，提高客户满意度.
该技术仍然受益于传统的图像处理和分析，以定位图像中的感兴趣区域，从而加快整个过程并使其更加稳健.
在 10 月份的 FASTENER SHOW 期间，您将看到检测系统 OPTISORT 与集成的“深度学习”系统一起运行.