-
基于深度學(xué)習(xí)的
視覺(jué)檢測(cè)平臺(tái)了解更多
-
視覺(jué)檢測(cè)使用簡(jiǎn)單可靠且功能強(qiáng)大的 SaigeVision??平臺(tái)來(lái)自動(dòng)化您的視覺(jué)檢測(cè)任務(wù)。 SaigeVision??采用最先進(jìn)的機(jī)器學(xué)習(xí)算法，以及先進(jìn)的數(shù)據(jù)生成、增強(qiáng)和標(biāo)記工具，可為最具挑戰(zhàn)性的檢測(cè)問(wèn)題提供無(wú)與倫比的準(zhǔn)確性和速度。 即使只有有限的訓(xùn)練數(shù)據(jù)，?SaigeVision? 也能以最低的運(yùn)營(yíng)開銷實(shí)現(xiàn)最高的性能。了解更多
-
視頻異常檢測(cè)SaigeVAD??可以從視頻數(shù)據(jù)中自動(dòng)檢測(cè)各種裝配和制造過(guò)程的錯(cuò)誤。 只需使用未標(biāo)記的訓(xùn)練數(shù)據(jù)，及正常操作視頻，就可以訓(xùn)練 SaigeVAD?來(lái)檢測(cè)所有異常，并可以分類哪些是關(guān)鍵的錯(cuò)誤，哪些可以忽略的錯(cuò)誤。了解更多
-
文字識(shí)別 | 文本理解SaigeOCR??自動(dòng)檢測(cè)圖像中的單詞和文本，并將它們轉(zhuǎn)換為字符串。借助先進(jìn)的深度學(xué)習(xí)方法， SaigeOCR?? 能夠提取文本區(qū)域的曲率和其他幾何信息，從而穩(wěn)定的識(shí)別高度扭曲的文本。了解更多
-
信號(hào)分析賽視提供一系列用于檢查監(jiān)測(cè)信號(hào)和時(shí)間序列數(shù)據(jù)異常的解決方案，例如：電測(cè)量信號(hào)、聲學(xué)信號(hào)、振動(dòng)模式以及各種多維時(shí)間序列和順序數(shù)據(jù)。了解更多
應(yīng)用領(lǐng)域
-
鋰電池
傳統(tǒng)機(jī)器視覺(jué)難以檢測(cè)到典型的鋰電池制造缺陷，例如劃痕、凹痕、裂縫、污漬等。原因不僅是產(chǎn)品表面的反射性質(zhì)， 同時(shí)由于缺陷是不規(guī)則的傳統(tǒng)視覺(jué)也很難給缺陷檢測(cè)設(shè)定閾值。 Systems全球領(lǐng)先的新能源汽車電池制造商， 例如三星SDI等就使用SaigeVision?解決了至關(guān)重要的鋰電池檢測(cè)難點(diǎn)。
-
半導(dǎo)體和電子產(chǎn)品
在印刷電路板的生產(chǎn)環(huán)節(jié)，由于缺陷種類多且形態(tài)各異，再加上質(zhì)檢環(huán)節(jié)的檢測(cè)圖像尺寸大，導(dǎo)致PCB板的檢測(cè)很難做到又快又準(zhǔn)。韓國(guó)大德電子等先進(jìn)的PCB生產(chǎn)商選擇使用SaigeVision?來(lái)助力其質(zhì)檢環(huán)節(jié)，實(shí)現(xiàn)高效、準(zhǔn)確的線上缺陷檢測(cè)。
-
產(chǎn)品抓取和碼垛
機(jī)器視覺(jué)在缺陷檢測(cè)和產(chǎn)品定位上都有廣泛應(yīng)用。特別是在流水線疊料的分割和識(shí)別上，人工智能擁有先天性的優(yōu)勢(shì)。SaigeVision?與恒瑞、無(wú)窮等醫(yī)藥、食品企業(yè)合作，落地?cái)?shù)個(gè)項(xiàng)目。
-
顯示面板
OLED/LED/LCD顯示面板上的瑕疵是最復(fù)雜的檢測(cè)之一。MURA，一種對(duì)比度極低的污漬，這種缺陷的的尺寸最小只有幾個(gè)像素點(diǎn)，非常難以檢測(cè)到。針對(duì)這種缺陷，利用SaigeVision?就可以輕松應(yīng)對(duì)。
-
醫(yī)藥與生物制藥
面對(duì)嚴(yán)格的生產(chǎn)安全要求，醫(yī)藥類產(chǎn)品的缺陷檢測(cè)是重中之重。任何缺陷漏檢都可能造成重大事故。同時(shí)，隨著醫(yī)藥產(chǎn)品的大規(guī)模生產(chǎn)，檢測(cè)效率也同樣重要。 當(dāng)企業(yè)問(wèn)起如何能同時(shí)擁有檢測(cè)的準(zhǔn)確率和效率，SaigeVision?就是最好的答案。
學(xué)術(shù)博客
-
Date: 2021.07.20. Writer: Hyeokjun Kwon Source: Saige Blog – A Peek into Automatic Data Augmentation by Policy Searching Machine-learning(ML, ????) ?? Deep-learning(DL, ???) ???? […]Hyeokjun Kwon -
Date: 2021.07.08 Writer: Seunghyeon Kim Source: Saige Blog – Transfer Learning for Industrial Visual Inspection Transfer learning ??? 2012? Alex Krizhevsky? AlexNet[1]??? convolutional neural […]Seunghyeon Kim