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投资进行初始和后续模型训练。
用户案例
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.
主要特点
根据2D强度或3D高度图数据进行训练
使用强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。
