-
基于深度學習的
視覺檢測平臺了解更多
-
視覺檢測使用簡單可靠且功能強大的 SaigeVision??平臺來自動化您的視覺檢測任務。 SaigeVision??采用最先進的機器學習算法，以及先進的數(shù)據(jù)生成、增強和標記工具，可為最具挑戰(zhàn)性的檢測問題提供無與倫比的準確性和速度。 即使只有有限的訓練數(shù)據(jù)，?SaigeVision? 也能以最低的運營開銷實現(xiàn)最高的性能。了解更多
-
視頻異常檢測SaigeVAD??可以從視頻數(shù)據(jù)中自動檢測各種裝配和制造過程的錯誤。 只需使用未標記的訓練數(shù)據(jù)，及正常操作視頻，就可以訓練 SaigeVAD?來檢測所有異常，并可以分類哪些是關鍵的錯誤，哪些可以忽略的錯誤。了解更多
-
文字識別 | 文本理解SaigeOCR??自動檢測圖像中的單詞和文本，并將它們轉換為字符串。借助先進的深度學習方法， SaigeOCR?? 能夠提取文本區(qū)域的曲率和其他幾何信息，從而穩(wěn)定的識別高度扭曲的文本。了解更多
-
信號分析賽視提供一系列用于檢查監(jiān)測信號和時間序列數(shù)據(jù)異常的解決方案，例如：電測量信號、聲學信號、振動模式以及各種多維時間序列和順序數(shù)據(jù)。了解更多
應用領域
-
鋰電池
傳統(tǒng)機器視覺難以檢測到典型的鋰電池制造缺陷，例如劃痕、凹痕、裂縫、污漬等。原因不僅是產品表面的反射性質， 同時由于缺陷是不規(guī)則的傳統(tǒng)視覺也很難給缺陷檢測設定閾值。 Systems全球領先的新能源汽車電池制造商， 例如三星SDI等就使用SaigeVision?解決了至關重要的鋰電池檢測難點。
-
半導體和電子產品
在印刷電路板的生產環(huán)節(jié)，由于缺陷種類多且形態(tài)各異，再加上質檢環(huán)節(jié)的檢測圖像尺寸大，導致PCB板的檢測很難做到又快又準。韓國大德電子等先進的PCB生產商選擇使用SaigeVision?來助力其質檢環(huán)節(jié)，實現(xiàn)高效、準確的線上缺陷檢測。
-
產品抓取和碼垛
機器視覺在缺陷檢測和產品定位上都有廣泛應用。特別是在流水線疊料的分割和識別上，人工智能擁有先天性的優(yōu)勢。SaigeVision?與恒瑞、無窮等醫(yī)藥、食品企業(yè)合作，落地數(shù)個項目。
-
顯示面板
OLED/LED/LCD顯示面板上的瑕疵是最復雜的檢測之一。MURA，一種對比度極低的污漬，這種缺陷的的尺寸最小只有幾個像素點，非常難以檢測到。針對這種缺陷，利用SaigeVision?就可以輕松應對。
-
醫(yī)藥與生物制藥
面對嚴格的生產安全要求，醫(yī)藥類產品的缺陷檢測是重中之重。任何缺陷漏檢都可能造成重大事故。同時，隨著醫(yī)藥產品的大規(guī)模生產，檢測效率也同樣重要。 當企業(yè)問起如何能同時擁有檢測的準確率和效率，SaigeVision?就是最好的答案。
學術博客
-
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