中科创达:解决产品异常测试
保证产品质量与确保设备正常运行同等重要。生产进程的目视检查通常需要人力,这不仅乏味,且不能保证一致性。为了提高质量控制,工业企业希望采用计算机视觉技术,提高缺陷识别的速度和准确性。但企业在构建、部署和管理基于机器学习技术的视觉异常系统时,仍会面临很多复杂挑战。现在,企业可以使用高精度、低成本的异常测试解决方案,每小时处理数千张图像,从而发现缺陷和异常,识别出与基线不符的图像,以便企业采取下一步行动。
看到这一趋势,各国的智能作业系统产品和技术提供商——中科创达将各国的机器学习服务Amazon SageMaker集成到中科创达智慧工业ADC (Automatic Defect Classification)系统中,帮助制造业客户在工业生产中轻松获得AI质检能力。借助Amazon SageMaker,客户无需复杂的机器学习部署,即可在统一界面中构建、训练、解释、检查、监视、调试和运行机器学习模型。在电气行业ADC系统实施中,Amazon SageMaker帮助用户一次性投入成本下低了42%,软件开发的工作量下低了39%,系统的上线时间缩短了50%,系统运行效率是传统测试的35倍,解决了ADC系统落地工业场景的障碍。
瑞典家庭食品制造商Dafgards公司在其下属品牌Billy's Pan Pizza的生产过程中也应用了计算机视觉技术。Billy’s Pan Pizza是一种微波披萨,生产线每秒能完成2块披萨的烘烤和包装。Dafgards公司曾安装过机器视觉系统,成功用于测试披萨上的奶酪比例。但问题是一旦披萨上馅料种类过多,该功能就会失效。通过采用基于计算机视觉的新型机器学习技术,Dafgards公司轻松获得了经济高速的测试能力。在成功应用后,Dafgards公司计划将计算机视觉应用扩展到更多种类披萨以及汉堡、法式蛋饼等其他产品线。
Applied Materials AMAT 0100-76109
Applied Materials AMAT 0100-76109
Applied Materials AMAT 0100-76109
Applied Materials AMAT 0100-76111
Applied Materials AMAT 0100-76124
Applied Materials AMAT 0100-76124
Applied Materials AMAT 0100-76269
Applied Materials AMAT 0100-76294
Applied Materials AMAT 0100-79109
Applied Materials AMAT 0100-89002
Applied Materials AMAT 0100-89003
Applied Materials AMAT 0100-89004
Applied Materials AMAT 0100-89005
Applied Materials AMAT 0100-89005
Applied Materials AMAT 0100-89013
Applied Materials AMAT 0100-90034
Applied Materials AMAT 0100-90052
Applied Materials AMAT 0100-90052
Applied Materials AMAT 0100-90052
Applied Materials AMAT 0100-90135
Applied Materials AMAT 0100-90139
Applied Materials AMAT 0100-90139
Applied Materials AMAT 0100-90142
Applied Materials AMAT 0100-90142
Applied Materials AMAT 0100-90163
Applied Materials AMAT 0100-90163
Applied Materials AMAT 0100-90182
Applied Materials AMAT 0100-90188
Applied Materials AMAT 0100-90190
Applied Materials AMAT 0100-90190
Applied Materials AMAT 0100-90190
Applied Materials AMAT 0100-90211