첫째, 고객은 테스트해야 할 제품과 스타일, 그리고 테스트해야 할 결함 유형에 대해 알려야합니다.우리는 테스트 시스템의 비용 예산을 평가 할 수 있도록 사진을 제공하는 것이 가장 좋습니다.만약 고객이 구매하기로 결정한다면, 그들은 최종 테스트 시스템을 확인하기 위해 모든 결함 샘플을 준비해야 합니다. 고객이 최종 테스트 계획에 동의 한 후,계약서에 서명할 수 있습니다., 사전 지불을 지불하고 생산을 시작. 일반적인 배달 주기는 4-8 주입니다, 그리고 배송 전에, 우리는 장비 운영 테스트와 알고리즘 추가를 수행합니다.
장비가 고객의 현장에 배달되면 엔지니어들이 현장에 와서 설치할 수 있도록 할 것입니다.우리는 고객의 엔지니어에게 체계적인 교육을 제공 할 것입니다.후기 단계에서는, 우리는 AI 클라우드 플랫폼을 통해 고객의 모든 시스템 소프트웨어 문제를 해결하기 위해 전담 기술 지원 팀을 보유하고 있습니다. 우리는 하루에 8시간, 일주일에 7일 일 수 있습니다.그리고 일 시간 동안 15 분 이내에 응답하고 휴일 동안 1 시간.
전통적인 수동 검출에 비해 기계 비전 검사는 더 빠른 속도, 더 나은 검출 안정성 및 더 쉬운 관리의 특징을 가지고 있습니다.우리의 탐지 기계는 하루 24시간 작동 할 수 있습니다., 그리고 매개 변수는 소프트웨어를 통해 설정 할 수 있습니다. 검출 결과는 다양한 요인에 의해 영향을받지 않습니다.현재 탐지 알고리즘은 완전한 사용자 정의에서 반 사용자 정의 및 반 표준 상태로 전환되었습니다., 시각 검사 장비의 비용은 크게 감소했습니다. 장비의 일일 작업 효율은 4-5 명의 수동 노동자와 동등 할 수 있습니다.기업에 대한 제품 표준 통제에서 생산 비용 절감까지, 기업에 대한 자동화 표준을 제공하는, 시각 검사 기계를 사용하는 것이 가장 좋은 선택입니다.
현재, 전 세계 시장의 시각 검사 소프트웨어의 대다수는 AI 알고리즘이 아닌 전통적인 알고리즘, 즉 순방향 비교로 알려져 있습니다. 양품 데이터를 입력하고 다른 제품과 비교하여 다른 제품을 불량품으로 간주합니다. 전통적인 알고리즘은 1세대 측정 데이터를 기반으로 구축된 알고리즘 표준으로, 제품 매칭을 감지하고 소프트웨어에 적응합니다. 소프트웨어는 다양한 결함 모듈을 미리 설정해두고, 현장 작업자는 서로 다른 결함 모듈을 제품의 서로 다른 위치에 원을 그려 감지합니다. 감지된 제품이 감지 카메라를 빠르게 통과함에 따라 감지 위치가 다양한 정도로 벗어날 수 있습니다. 따라서 소프트웨어는 감지 정확도를 제공하기 위해 원 그리기 기능을 통해 감지된 제품의 감지 위치를 지속적으로 조정해야 합니다. 조정된 매개변수는 복잡하고, 작동이 고정되어 있으며, 작업자의 기술 요구 사항이 높습니다. 또한 제품의 외부 구조의 영향으로 인해 간섭, 오판 및 누락 감지에 취약합니다.
기술적 장점:
측정 및 위치 지정 요구 사항에 적합하며, 높은 측정 정확도를 제공합니다.
기술적 단점:
1. 프로그램 매개변수가 많고 복잡하며, 매개변수 간의 상관관계가 자주 발생하여 전문 디버깅 인력의 경험에 크게 의존합니다.
2. 특수한 요구 사항에 맞는 알고리즘 개발에는 긴 개발 주기가 필요하며, 알고리즘 모델을 빠르게 추가할 수 없습니다.
3. 복잡한 요구 사항에 대한 빠른 알고리즘이 없어 계산 효율이 낮고 결함 감지 유형이 단일합니다.
4. 작동 조건에 대한 요구 사항이 높고 환경 적응성이 떨어집니다.
Keye AI 알고리즘은 USTC 박사팀이 독자적으로 개발한 비전 시스템 솔루션으로, 적은 훈련 샘플, 낮은 주석량, 강력한 호환성, 빠른 작동 및 배포 속도 등의 장점을 가지고 있습니다. 동시에, 우리는 다양한 시나리오에 따라 순방향 훈련 모델을 추가하여, 높은 제품 일관성과 고정된 감지 요구 사항이 있는 시나리오에 적합합니다. 이것이 우리가 순방향 및 역방향 AI 이중 훈련 모델이라고 부르는 것입니다.
기술적 장점:
1. 결과 정확도: 기존의 시각 알고리즘과 비교하여, 딥 러닝 알고리즘은 안정성이 크게 향상되었으며 환경 및 배경의 일반적인 방해에 적응할 수 있습니다. 동시에, 알고리즘의 정확도 또한 기존 알고리즘보다 높습니다;
2. 알고리즘 보편성: 서로 다른 결함에 대해, 해당 샘플만 수집하면 충분하며, 충분한 훈련을 거친 후 딥 러닝을 통해 서로 다른 결함 샘플을 자동으로 식별할 수 있어 딥 러닝에 대한 대규모 훈련 샘플의 요구 사항을 충족합니다. 이론적으로, 감지할 수 있는 결함 유형에 대한 상한 요구 사항은 없습니다;
3. 개발 적시성: 서로 다른 결함에 대해 알고리즘을 개발할 필요가 없으므로 전체 개발 주기가 크게 단축되며, 새로운 모델을 생성하는 데 최단 15분 정도 소요됩니다;
4. 환경적 신뢰성: NPU의 보장된 컴퓨팅 성능으로 인해 전체 시스템은 충분한 컴퓨팅 성능 여유를 가진 상태로 작동하며, 고온 환경에서도 쉽게 충돌하지 않고 오랫동안 작동할 수 있습니다.
KeyeTech는 2020년부터 플라스틱 포장 제품 분야의 시각 검사 시스템에 AI 알고리즘을 적용한 최초의 회사입니다. 현재까지 결함 훈련 모드와 양품 훈련 모드, 두 가지 훈련 모드를 갖추고 있으며, 이는 세계에서 가장 유연하고 편리한 AI 시스템입니다. 새로운 프로그램을 생성하는 데 15분밖에 걸리지 않으며, 더 다양한 결함 유형과 호환됩니다.
KeyeTech는 플라스틱 포장 제품, 플라스틱 캡, 마개, 병, 프리폼, 컵 등과 같은 산업 제품의 시각적 결함 감지를 전문으로 하는 브랜드 제조업체이자 디자이너입니다. 최신 자체 개발 AI 알고리즘 시스템, 소형 모델 AI 훈련 모드, 높은 컴퓨팅 성능을 채택하여 전 세계 고객에게 표준/맞춤형 AI 비전 검사 시스템을 제공합니다.
