CH /

现有机器视觉检测与SuaKIT

使用SuaKIT的深度学习算法
可以克服传统机器视觉检测方法的局限性

VS
传统机器视觉解决方案
SUALAB深度学习解决方案
...
无法分析无规律图像
当图像不规则、无规律时,
缺陷的特征很难通过手动
设定,因此无法分析图像。
...
可分析无规律图像
即使图像复杂,通过深度学习算法, 软件可以自动学习瑕疵的特征,使得 无规律图像的分析变得可能。
...
精确度低
如果缺陷部分和之前设定好的缺陷特征有轻微的出入,传统视觉都无法检测出,导致检测的精确度下降。
...
检测精度高
通过深度学习算法和制造业特有的数据 提高检测的精确度。
...
实现自动化检测进入壁垒高
生产环境发生变化时,需要特定的工程师进行最优化作业并且手动设定不断变化的缺陷特征。
...
实现自动化检测进入壁垒低
即使不是专业的深度学习工程师, 通过便利的GUI界面,也可以轻松地 进行最优化作业

优 点

提高检测准确度
基于深度学习的检测算法
比传统机器视觉检测具有更高的检测精度
高效的人力资源运作
凭借广东体彩高精度的自动化检测能力,
一个人可以管理多个检测设备。
降低优化成本
学习过程快速简便,有助于缩短算法优化过程。在线应用之后获取的图像可以进一步的学习,从而降低优化成本。
最大化处理速度
通过使用CUDA、cuDNN等gpu处理语言,
广东体彩实现了深度学习算法,支持多gpu、
多线程,最终实现了图像处理速度的最大化
兼容性高
使用C ++和C#API,
您可以使用相同的语言替换现有算法,
而无需更改检测算法。
友好的用户界面
通过基于直观UI提供最佳用户体验,
即使是不是深度学习专家的人也可以轻松地使用
从标记到输出结果的所有测试过程。

常见问题

Q. 在实际的生产线上处理图像的速度能达到什么程度?
根据神经网络条件会有所不同,但512*512像素大小的图像,每秒钟可实时处理300张。
Q. 各个缺陷类型需要学习几张图像数据?
需学习图像数量根据图像的复杂程度会有所不同,但在初期不同的瑕疵类型提供30-100张左右即可。
Q. 神经网络模型建立所需要的时间有多长?
一般2048*2048像素大小,500张为标准的话,需要30分钟左右。

SuaKIT宣传册下载