¿Te perdiste la Cumbre de fabricantes digitales de Google Cloud? Mira sesiones a pedido
Entrena e implementa con rapidez modelos de IA para detectar automáticamente los defectos de producción, sin necesidad de experiencia técnica.
Comienza rápidamente con una interfaz de usuario guiada en Google Cloud o nuestra API
Entrena modelos de IA de alta precisión y específicos del dominio a fin de detectar los defectos más pequeños
Mínimo esfuerzo de etiquetado debido al aprendizaje activo; comienza con solo algunas imágenes defectuosas
Ejecuta modelos de predicción en la línea de producción a través de contenedores de Docker
Beneficios
Implementa modelos de inspección de alto rendimiento en el perímetro de la red o en la fábrica.
Obtiene un ROI significativo mediante la reducción de los costos de inspección, la repetición de las tareas y los desperdicios, y la mejora de las métricas de calidad clave (p. ej., la tasa de escape y empleo de fuerza innecesaria, y el rendimiento).
Nuestra tecnología de primer nivel de visión artificial y aprendizaje automático te permite realizar las tareas de inspección más desafiantes.
Características clave
Detecta incluso los defectos más sutiles en varias etapas del proceso de ensamblado (componentes incorrectos, mal ubicados, faltantes, rotados o deformados).
Encuentra incluso los defectos más pequeños y complejos (abolladuras, raspaduras, grietas, deformaciones, etc.) en cualquier tipo de superficie.
Ejecuta modelos directamente en tu tienda con contenedores de Docker implementados con facilidad. Los modelos se entrenan con el fin de cumplir con tus requisitos de calidad de producción para las tasas de escape y empleo de fuerza innecesaria.
Comienza a compilar modelos con solo algunas imágenes etiquetadas. El aprendizaje activo sugerirá automáticamente imágenes adicionales para que el operador las etiquete y mejore aún más el rendimiento del modelo.
Casos de uso
Visual Inspection AI se diseñó para el entorno de producción y aborda una amplia variedad de casos de uso en la industria automotriz, electrónica, de semiconductores y en el sector industrial.
Los fabricantes de la industria automotriz usan Visual Inspection AI para controlar las costuras soldadas por robots a fin de detectar anomalías en las uniones estructurales más importantes de los chasis.
Los fabricantes de artículos electrónicos usan Visual Inspection AI a fin de inspeccionar simultáneamente decenas de componentes individuales en placas de circuito impreso de gran volumen (PCB) para detectar componentes, tornillos y resortes faltantes, extraviados o dañados, y problemas de soldadura.
Los fabricantes de semiconductores usan Visual Inspection AI para detectar y localizar defectos de plaquetas y chips o grietas en los chips.
Casos prácticos típicos
Problemas de clasificación generales
Orientado para las tareas de inspección visual en los entornos de fabricación
Implementación local
Y (a través del contenedor de Docker)
Modelos específicos para la industria de la fabricación
Y (mejora de forma continua debido a la optimización de modelos específicos del dominio)
Control de los conjuntos de datos desequilibrados
N (requiere la misma cantidad de defectos etiquetados y no defectuosos)
Y (puede usar una cantidad mayor de muestras normales, además de algunos defectos etiquetados, que es normal en la industria de la fabricación)
Aprendizaje activo
S (identifica ejemplos sospechosos con rapidez para la revisión y el etiquetado manuales)
Segmentación y localización
S (indica el área donde se encontró el defecto)
Falta la detección de componentes
Compatibilidad con imágenes de alta resolución
S (hasta 100 millones de píxeles)
Alineación automática de imágenes
Y (alinear automáticamente las imágenes de las transmisiones de la cámara)
Detección de anomalías en las imágenes
Casos prácticos típicos
Problemas de clasificación generales
Implementación local
Modelos específicos para la industria de la fabricación
Control de los conjuntos de datos desequilibrados
N (requiere la misma cantidad de defectos etiquetados y no defectuosos)
Aprendizaje activo
Segmentación y localización
Falta la detección de componentes
Compatibilidad con imágenes de alta resolución
Alineación automática de imágenes
Detección de anomalías en las imágenes
Casos prácticos típicos
Orientado para las tareas de inspección visual en los entornos de fabricación
Implementación local
Y (a través del contenedor de Docker)
Modelos específicos para la industria de la fabricación
Y (mejora de forma continua debido a la optimización de modelos específicos del dominio)
Control de los conjuntos de datos desequilibrados
Y (puede usar una cantidad mayor de muestras normales, además de algunos defectos etiquetados, que es normal en la industria de la fabricación)
Aprendizaje activo
S (identifica ejemplos sospechosos con rapidez para la revisión y el etiquetado manuales)
Segmentación y localización
S (indica el área donde se encontró el defecto)
Falta la detección de componentes
Compatibilidad con imágenes de alta resolución
S (hasta 100 millones de píxeles)
Alineación automática de imágenes
Y (alinear automáticamente las imágenes de las transmisiones de la cámara)
Detección de anomalías en las imágenes
Precios
Comunícate con ventas para obtener detalles sobre los precios
Socios
Comienza a desarrollar en Google Cloud con el crédito gratis de $300 y los más de 20 productos del nivel Siempre gratuito.