KOMPETENS
Djup lärning
Vår plattform - maskininlärning för industriellt bruk
MABRI.VISION har utvecklat mjukvaruplattformen DEEP.MV för tillämpning av modern djupinlärning och AI -teknik i industrimiljön. Plattformen kombinerar alla nödvändiga komponenter och möjliggör användning på anläggningsnivå.
Möjliga användningsområden
Vår deep learning-plattform är idealisk för applikationer där regelbaserade tillvägagångssätt är utmanande eller misslyckas. Detta gäller framför allt testapplikationer med ett brett spektrum av varianter och felegenskaper, till exempel varierande yta och konstruktionsegenskaper. MABRI.VISION -plattformen kan användas optimalt där, på grund av komplexiteten, främst manuella och manuella kontroller utförs med hjälp av felkataloger.
Klassificering | Upptäckt och klassificering av objekt och fel
Klassificering ligger till grund för många uppgifter inom kvalitetssäkring. I applikationen behövs ingen tidskrävande märkning av data – allt som behövs är att kategorisera bilder.
Felavkänning i spolningsflikar
repa
satte igång
inte ok
Webbfel
OK
Webbfel
Hål
Objektdetektering | Exempel: fullständighetskontroll, närvarokontroll, räkning, pick & place och mycket mer.
Fullständighetskontroll
Positionskontroll
Närvarokontroll
Defektdetektering | Ytfel, ofullständiga komponenter, strukturfel, färg- och formfel och mycket mer.
Formsprutningsdefekt
repa
Porer och spår
Segmentering | Upptäckt av strukturer och bildområden, ytdefekter, ofullständiga komponenter, strukturfel, färg- och formfel och mycket mer.
Segmentering är alltid viktigt när objekt, strukturer eller fel måste identifieras och avgränsas mycket exakt. Denna information kan till exempel användas för processoptimering
Chipdetektering
textilier
Skölj flikarna
Fel sortering
främmande kropp
Anomali upptäckt | Fel på förpackningar, tryckbildsbesiktning, vävfel och mycket mer.
Kretskort
Mikrostrukturer
Ytor ex. Limrester
OCR | Textigenkänning
DOT -kod på däck
Teckensnittsigenkänning
Dina fördelar
- Allt från en enda källa
MABRI.VISION ger dig allt du behöver för din applikation. På så sätt slipper du använda partiella och isolerade lösningar som inte hänger ihop och därför är svåra att underhålla. Förutom mjukvaruapplikationen levererar vi främst nödvändiga sensorsystem, testplattformar och tjänster för din produktionsprocess.
- Spara kostnader
Genom att använda vår lean AI-plattform kan utmanande applikationer i industriella miljöer också lösas kostnadseffektivt. Detta eliminerar behovet av manuella och tidskrävande teststeg.
- Att lösa komplexa problem
Deep learning-teknik kan användas för att lösa applikationer som är mycket utmanande eller inte kan lösas tillfredsställande med klassisk bildbehandling. Detta öppnar helt nya möjligheter inom kvalitetssäkring.
- Rätt lösning
Som en leverantör av universella lösningar för optisk produktionsmätteknik tar vi en närmare titt på din applikation. Vi använder bara vår djupinlärningsteknik när och i den utsträckning det är vettigt för applikationen. På så sätt slipper du felaktiga resultat och överdrivna utvecklingskostnader. Dessutom kartlägger vi alla andra väsentliga komponenter inom kvalitetssäkring, inklusive till exempel kalibrering och spårbarhet.
- Var flexibel
En utmaning för de nuvarande utvecklingstrenderna i branschen är modulär produktion med allt kortare produktionscykler. Maskininlärningsprocesser håller dig flexibel och låter dig anpassa din produktion adaptivt och självständigt.
- Framtidssäker
Utvecklingen inom området djupinlärning går mycket snabbt. Vår AI-plattform byggs därför ständigt ut och bygger på etablerade standarder inom forskning och utveckling. Denna kontinuerliga utveckling gör att du alltid kan använda den senaste tekniken i framtiden.
Praktiskt exempel: feldetektering på strumpor
Maskininlärningsmetoder är idealiska där regelbaserade metoder är svåra att implementera.
Webbfel
Hål
Praktiskt exempel: Defektdetektering på metallrör
Chip
Svetsfel defekt
Process flöde
Djupa inlärningsprocesser är baserade på artificiella neurala nätverk.
Dessa nätverk är inspirerade av (biologiska) neurala nätverk, det vill säga en del av ett nervsystem. Artificiella neurala nätverk är byggda i lager. Ett lager eller nivå består av flera artificiella neuroner. Det finns flera dolda nivåer mellan en ingångs- och utgångsnivå. Namnet "djupa" neurala nätverk får sin struktur på grund av just dessa dolda lager.
