将AI赋能的Anomaly Detection部署到您的产线中。
GoPxL Anomaly Detector工具包集利用 GoPxL 中的传统工具和基于 AI 的工具，为汽车、食品、建筑材料、轮胎和许多其他行业的零件生产中具有挑战性的应用提供强大的 3D 缺陷检测。用户可以在 GoMax 上训练和部署这一强大的 3D 缺陷检测解决方案，而无需依赖额外的云服务或基硬件进行初始和后续模型训练。
用户案例
查找具有复杂几何形状的机加工或铸造零件上的缺陷和不规则。训练 AI 模型，直接在生产线上识别好零件和坏零件，无需云连接、CAD 文件或传统工具通常使用的复杂阈值。
在GoPxL中通过轻松连接传统工具和基于AI的工具，发现地板和建筑材料上的缺陷和不规则。使用表面边缘和特征工具遮罩板材，利用强度数据的异常检测定位缺陷。
主要特点
根据2D亮度或3D高度图数据进行训练
使用亮度和点云数据扫描部件，并在训练时选择最佳选项。使用3D可视化工具查看复杂部件，提高标注准确性。
无需许可即可使用预览功能
在replay模式下使用 GoMax 评估异常检测，无需加密狗即可进行训练和推理。
生成合成数据和增强数据
通过集成生成合成缺陷和增强帧，减少训练所需的图像数量，从而提高模型性能。
直接在 GoMax 上存储新的生产数据
使用 GoMax 可将生产数据直接存储到项目存档中，用于快速训练新模型并提高应用性能。
与GOPXL集成
优势
检测不同形状和大小的特征
虽然传统工具在Blob和切分上表现出色，但它通常需要调整阈值，特定于每个部分。使用Anomaly Detector，用户无需管理检测阈值。训练依赖于提供OK和NG零件的数据集，并创建特定于数据集中零件的检测模型。
高度集成 AI 建模工作流程
你能够在 GoPxL 工具内部直接管理模型训练和相关数据集，与单独使用的应用程序训练模型相比，移动文件和数据集花费更少的时间。
产线上部署训练
在GoMax 上训练数据，避免将数据移动到云端或本地 PC 而带来的相关时间、成本和数据安全问题。训练和交互使用相同的许可，允许在生产中更新模型，而无需额外的开发许可证。
使用预测来标记新的生产数据
初始训练后，依靠辅助标记使迭代变得快速、轻松。
测量异常并定义阈值
点云异常被传递到后续工具进行测量和计量。用户可以传输特定大小或形状的异常值，具体取决于最终用户认可接受的结果。
使用脚本和 Python GDK 添加自定义功能
使用基于 Python 的脚本工具添加自定义逻辑或从本地文件检索测量阈值。高级用户可以利用 Python GDK 使用开源和专有工具训练模型，以便进行后续部署。
专家为您提供合适的解决方案
FactorySmart AI解决方案 对于要求更高的应用程序或没有内部资源的团队，请联系我们的 FactorySmart AI 解决方案团队，让我们开发、模型、工厂通讯和生产接口来解决检测难题。
