智能制造網(wǎng)APP
智能制造網(wǎng)手機站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務號
來自日本重量級AI企業(yè)研發(fā)
通過AI深度學習實現(xiàn)高精度檢測的外觀檢查軟件
Preferred Networks Visual Inspection
Preferred Networks(PFN)公司提供的Preferred Networks Visual Inspection產(chǎn)品，是通過深度學習，實現(xiàn)高精度、高靈活性、高性價比的外觀檢查軟件。
其解決了傳統(tǒng)深度學習檢測軟件所存在的，需要解決大量學習數(shù)據(jù)的收集、對不良特征的注釋很麻煩、以及模型構建困難等問題，無需對學習數(shù)據(jù)進行注釋，即可實現(xiàn)高精度的檢測效果。從而，可以快速·低成本的構建檢測系統(tǒng)。
產(chǎn)品特長
| 1 日本PFN公司獨自的深度學習模型
采用PFN獨自的的深度學習模型只需少量數(shù)據(jù)即可實現(xiàn)高精度檢測。 | 4 只需少量圖像進行學習
與傳統(tǒng)必須要數(shù)萬~數(shù)十萬張圖像作為學習數(shù)據(jù)相比，PFN只需100張良品及20張不良品圖像即可實現(xiàn)深度學習。 |
| 2 簡化注釋
對于被測物圖像，只需提供按[良品(good)]/[不良品(bad)]分類好的圖像即可實現(xiàn)深度學習。無需標注出不良特征/不良位置。 | 5 不良位置的可視化
通過熱力圖成像凸顯出不良位置，提高對檢查結果的說明性。 |
| 3 直觀的用戶界面GUI
通過學習工具的GUI界面，從登陸圖像、模型學習、檢測精度比較等都可以進行一氣呵成的管理，構建直觀的、高精度的檢測模型。 | 6 建立靈活·快速的檢測模型
提供構建檢測系統(tǒng)所需的推論數(shù)據(jù)庫。 |
系統(tǒng)構成示例
