AI を活用した異常検出を生産ラインに導入します。

GoPxL Anomaly Detector ツールセットは、GoPxL の従来のツールと AI ベースのツールを活用して、自動車、食品、建築資材、タイヤ、その他多くの業界の部品製造における困難なアプリケーションに強力な 3D 欠陥検出機能を提供します。ユーザーは、初期モデルトレーニングとその後のモデルトレーニングに追加のクラウドまたはハードウェアベースのリソースに頼ることなく、この強力な 3D 欠陥検出ソリューションをすべて GoMax 上でトレーニングおよび展開できます。

営業部門に問い合わせる

一般的な使用例

部品検査

表面検査

Find defects and irregularities on machined or casted parts with complex geometry. Train an AI model to identify good and bad parts directly on the production line without a cloud connection, a CAD file, or complex thresholds typically used with traditional tools.

Find defects and irregularities on flooring and building materials by easily connecting traditional and AI-based tools in GoPxL. Use surface edge and feature tools to mask the board and anomaly detection to locate defects using intensity data.

主な特徴

2D強度または3D高さマップデータでトレーニング

強度と表面データを使用して部品をスキャンし、トレーニング時に最適なオプションを選択します。3Dビジュアライザーを使用して複雑な部品を表示し、ラベル付け精度を向上させます。

ライセンスなしで機能をプレビュー

再生モードでGoMaxを使用して異常検出を評価し、ライセンスなしでトレーニングと推定を行います。

合成データと拡張データの生成

モデルのパフォーマンスを向上させる合成欠陥と拡張フレームの統合生成を使用して、トレーニングに必要な画像数を削減します。

新しい生産データのGoMaxへの直接保存

GoMaxを使用して、生産データをプロジェクトアーカイブに直接保存し、新しいモデルをすばやくトレーニングしてアプリケーションのパフォーマンスを向上させることができます。

GOPXLとの統合

メリット

さまざまな形や大きさの特徴を検出する

従来のツールはブロブとセグメンテーションに優れていますが、多くの場合、各パーツに固有のしきい値の調整が必要です。Anomaly Detector を使用すると、ユーザーは検出しきい値を管理する必要がありません。トレーニングでは、OK パーツと NG パーツのデータセットを提供し、データセット内のパーツに固有の検出モデルを作成します。