häufige Fragen

Zunächst muss der Kunde uns über die zu prüfenden Produkte und deren Modelle sowie über die zu prüfenden Defektarten informieren.Es ist am besten, Bilder zur Verfügung zu stellen, damit wir das Kostenbudget des Testsystems bewerten könnenWenn der Kunde sich entscheidet, zu kaufen, müssen sie alle defekten Proben für uns vorbereiten, um das endgültige Testsystem zu bestätigen.Wir können den Vertrag unterschreiben.Der Lieferzyklus beträgt 4-8 Wochen, und vor dem Versand werden wir Betriebstests und Algorithmen hinzufügen.

Nach der Auslieferung der Ausrüstung an den Standort des Kunden werden wir dafür sorgen, dass Ingenieure kommen und sie vor Ort installieren.Wir werden die Ingenieure des Kunden systematisch ausbilden.In der späteren Phase haben wir ein eigenes technisches Support-Team, um alle System-Software-Probleme für den Kunden über die KI-Cloud-Plattform zu lösen.und innerhalb von 15 Minuten während der Arbeitszeit und 1 Stunde während der Feiertage antworten.

Im Vergleich zur herkömmlichen manuellen Erkennung zeichnet sich die maschinelle Sichtprüfung durch höhere Geschwindigkeit, bessere Erkennungsstabilität und einfachere Verwaltung aus. Unsere Erkennungsmaschine kann 24 Stunden am Tag arbeiten, und die Parameter können über Software eingestellt werden. Die Erkennungsergebnisse werden nicht durch verschiedene Faktoren beeinflusst. Die aktuellen Erkennungsalgorithmen haben sich von der vollständigen Anpassung zu einem halb angepassten und halb standardisierten Zustand entwickelt, und die Kosten für Sichtprüfgeräte wurden erheblich gesenkt. Die tägliche Arbeitseffizienz der Geräte kann 4-5 manuellen Arbeitskräften entsprechen. Von der Kontrolle der Produktstandards für Unternehmen über die Senkung der Produktionskosten bis hin zur Bereitstellung von Automatisierungsstandards für Unternehmen ist der Einsatz von Sichtprüfmaschinen die beste Wahl.

Derzeit basieren die überwiegende Mehrheit der visuellen Inspektionssoftware auf dem weltweiten Markt auf traditionellen Algorithmen, nicht auf KI-Algorithmen, die gemeinhin als Vorwärtsvergleich bezeichnet werden. Durch die Eingabe von Daten guter Produkte und den Vergleich mit anderen Produkten werden diejenigen, die sich unterscheiden, als fehlerhafte Produkte betrachtet. Traditionelle Algorithmen sind Algorithmusstandards, die auf der ersten Generation von Messdaten basieren und Produktübereinstimmungen erkennen und sich an die Software anpassen. Die Software verfügt über voreingestellte verschiedene Defektmodule, und Bediener vor Ort umkreisen verschiedene Defektmodule an verschiedenen Positionen des Produkts zur Erkennung. Da sich das erkannte Produkt schnell durch die Erkennungskamera bewegt, kann die Erkennungsposition in unterschiedlichem Maße abweichen. Daher muss die Software die Erkennungsposition am erkannten Produkt durch das Zeichnen von Kreisen kontinuierlich anpassen, um die Erkennungsgenauigkeit zu gewährleisten. Die angepassten Parameter sind komplex, die Bedienung ist eingeschränkt und die technischen Anforderungen an die Bediener sind hoch. Es ist auch anfällig für Störungen, Fehlurteile und verpasste Erkennungen aufgrund des Einflusses der äußeren Struktur des Produkts.

Technische Vorteile:
Geeignet für Mess- und Positionierungsanforderungen mit hoher Messgenauigkeit;

Technische Nachteile:
1. Die Programmparameter sind zahlreich und komplex, und es gibt oft Korrelationen zwischen den Parametern, was stark von der Erfahrung des professionellen Debugging-Personals abhängt;
2. Die Entwicklung von Algorithmen speziell für besondere Anforderungen erfordert einen langen Entwicklungszyklus und kann keine Algorithmusmodelle schnell hinzufügen;
3. Es gibt keinen schnellen Algorithmus für komplexe Anforderungen, was zu geringer Recheneffizienz und einer einzigen Art der Defekterkennung führt;
4. Hohe Anforderungen an die Betriebsbedingungen und schlechte Umweltanpassungsfähigkeit;

Der Keye-KI-Algorithmus ist eine von dem USTC-Doktorandenteam unabhängig entwickelte Vision-Systemlösung, die die Vorteile weniger Trainingsproben, geringem Annotationsvolumen, starker Kompatibilität,schnelle Betriebs- und Einsatzgeschwindigkeit, etc. Gleichzeitig haben wir Vorwärtsschulungsmodelle für verschiedene Szenarien hinzugefügt, die für Szenarien mit hoher Produktkonsistenz und festen Detektionsanforderungen geeignet sind.Das nennen wir das vorwärts und rückwärts gerichtete KI-Doppel-Trainingsmodell..

Technische Vorteile
1Genauigkeit der Ergebnisse: Im Vergleich zu herkömmlichen visuellen Algorithmen haben Deep-Learning-Algorithmen eine erheblich verbesserte Stabilität und können sich an allgemeine Störungen in der Umgebung und im Hintergrund anpassen.Gleichzeitig, die Genauigkeit des Algorithmus ist auch höher als bei herkömmlichen Algorithmen;
2. Algorithmusuniversalität: Für verschiedene Defekte müssen nur ihre Proben gesammelt werden, und nach ausreichendem Training können verschiedene Defektproben automatisch durch Deep Learning identifiziert werden,die Bedürfnisse von groß angelegten Ausbildungsproben für Deep Learning zu erfüllen.
3Entwicklungszeit: Da es nicht notwendig ist, Algorithmen für verschiedene Defekte zu entwickeln, wird der gesamte Entwicklungszyklus erheblich verkürzt.und das Erstellen eines neuen Modells dauert höchstens 15 Minuten.;
4Umweltverträglichkeit: Aufgrund der garantierten Rechenleistung der NPU arbeitet das gesamte System in einem Zustand mit ausreichender Rechenleistung,und kann lange Zeit in hohen Temperaturen arbeiten, ohne leicht abstürzen zu müssen- Ich weiß.

KeyeTech ist das erste Unternehmen, das seit 2020 einen KI-Algorithmus in einem visuellen Inspektionssystem im Bereich Kunststoffverpackungsprodukte einsetzt. Bis heute haben wir zwei Trainingsmodi: den Defekttrainingsmodus und den Gutprodukt-Trainingsmodus. Es ist das flexibelste und bequemste KI-System der Welt, mit dem in nur 15 Minuten ein neues Programm erstellt und mit mehr verschiedenen Defekttypen kompatibel ist.

KeyeTech ist ein Markenhersteller und Designer von industriellen Produkten zur visuellen Fehlererkennung, wie z. B. Plastikverpackungsprodukte, Plastikkappe, Verschluss, Flaschen, Vorformen, Tassen usw.mit dem neuesten selbstentwickelten KI-Algorithmussystem, kleiner Modell KI-Ausbildungsmodus, hohe Rechenleistung, Standard-/anpassungsfähiges KI-Vision-Inspektionssystem für weltweite Kunden.