
Control de calidad con Inteligencia Artificial
Ecosistema Indeep
Mejora contínua y mantenimiento predictivo
-
Solución simple para el mantenimiento de sistemas de visión con Deep Learning
-
Sin necesidad de conocimientos técnicos
-
Mejora contínua con aprendizaje en producción
- Validación automática de la solución con sistemas de test
OneVision

Cámaras
Fácil integración de cámaras de las mejores marcas: Basler, Lucid, IDS, Sick, Dalsa

Brains
Máxima optimización de soluciones de Deep Learning sobre GPU o CPU

Comunicaciones
Comunicación con otros equipos mediante OPC UA o Ethernet IP

Scripting
Infintas posibilidades de customización con programación de fáciles secuencias

Trazabilidad
Integración de un sistema MES para la trazabilidad de la producción

Versión API
Versión API del programa para instalar en servidores remotos sin GUI
VisionCloud

Roles de usuarios
Distintos perfiles de usuario para diferentes funciones del programa

Personalización
Combina multiples herramientas para crear redes neuronales para cualquier tarea

Entrenamiento en cloud
Entrenamiento de modelos complejos en el cloud. Sin necesidad de equipos con GPU

Test
Valida las nuevas configuraciones automaticamente con tests automatizados

Etiquetado
Interficie para etiquetado de imágenes para entrenar nuevas tareas o refinar

Refinamiento
Modifica ligeramente las redes neuronales para adaptarse a nuevos defectos o condiciones
Beneficios del Deep Learning
Tolerancia a cambios
Los cambios de iluminación o posición de la cámara no afectan a los sistemas de visión con Deep Learning. Se acabaron los ajustes constantes.
Múltiples formatos
El Deep Learning puede trabajar con múltiples formatos de un mismo producto de forma natural. No es necesario cambiar de formato.
Alta velocidad
Con Deep Learning se puede llegar a solucionar problemas muy complejos con tiempos de ciclo impensables hasta el momento.
Variabilidad natural
Hasta el momento la visión artificial no había funcionado con productos muy variables. Con Deep Learning esto ya no es un problema.
Extracción de Bounding Box

Herramienta para localizar las regiones de interés (ROI) en la imagen. También puede utilizarse para contar un número indeterminado de objetos. En muchas aplicaciones la extracción de la región de interés es el primer paso de un análisis posterior.
Segmentación

Encuentra los píxeles exactos sobre la imagen que corresponden a un objecto determinado, una característica o un defecto. Esta es la herramienta más potente y robusta para encontrar defectos en un producto. También es muy útil para calcular áreas.
Lectura de códigos

Esta herramienta puede leer una gran variedad de códigos de datos utilizados en la industria: QR, Datamatrix, GS1, etc. Con la ayuda del Deep Learning, se puede realizar lectura de códigos en escenarios extremadamente complejos.
Clasificación

Para clasificar una imagen entre varias categorías. Herramienta extremadamente rápida utilizada para casos sencillos, capaz de obtener resultados muy robustos en entornos controlados.
Regresión de geometrías

Extracción de características geométricas de una imagen para hacer mediciones o aplicar algoritmos de búsqueda de patrones. Esta herramienta generalmente se utiliza para obtener coordenadas para un guiado de robot.
Mediciones

Una amplia variedad de herramientas para realizar mediciones 2D entre formas geométricas. Con ella se pueden calcular fácilmente distancias, ángulos o áreas de múltiples objetos o características presentes en la imagen.