SOLUTIONS —

應用場景

AI 視覺應用程式為製造帶來智慧自動化，使用攝影機和深度學習來自動檢查產品、計算零件、讀取程式碼、驗證組裝、引導機器人等。每個應用程式都是按任務組織的，因為任務決定了相機看到的內容、模型的訓練方式以及輸出是檢查決策還是物理運動。這些應用程式分為兩個系列：人工智慧檢查和人工智慧機器人。每個頁面都匯集了該任務經過驗證的生產部署，幫助您找到最適合您的生產線的應用程式。

AI 視覺檢測

用於抵制自動化檢查的人工智慧檢查應用程式：沒有固定模式的缺陷、只有人可以記錄的讀數以及依賴注意力的程式。每個頁面都會收集攝影機或 AR 設備接管檢查的部署情況，以確保規則和視力仍然缺失。

OCR 光學字元辨識

工業 OCR 讀取文件掃描器從未設計過的標記：蝕刻在金屬上的字元、在反光帽上彎曲的字元或因製程本身而模糊的字元。這些部署顯示了擷取到可追溯系統中的序號和批次程式碼，無需手動鍵入。

計數驗證

人工智慧計數消除了每個人都不信任但無論如何都會重複的計數，對堆疊、重疊或類似的物品進行計數。這裡的部署顯示盤點並在幾秒鐘內從攝影機視圖中完成設定檢查，總數不會根據計數人員的不同而變化。

分類辨識

人工智慧排序和分類可以處理那些對於固定規則而言過於微妙的差異的項目，例如生產等級或接近相同的硬幣。這些部署顯示了從範例影像中學習到的排序，與需要不斷重新調整閾值的自然變化保持同步。

組裝驗證

當設備仍在車站時，人工智慧組裝驗證會發現錯誤或遺失的組件，而返工需要幾分鐘而不是拆卸。這些部署顯示了即時檢查正確配置的構建，而不會減慢操作員的速度。

瑕疵檢測

人工智慧缺陷偵測解決了規則無法解決的問題：兩次看起來都不一樣的缺陷、移動位置以及隱藏在背景紋理中。這些部署表明製造商從少量標記影像中訓練檢測，然後在新缺陷類型出現時保持準確性。

品質檢測

人工智慧品質檢驗接管了生產線末端的判斷，產品必須整體通過，可接受的變化看起來很像缺陷。這裡的部署顯示最終檢查以線速度運行，沒有疲勞給人類分級人員帶來的漂移。

有無確認

存在和不存在檢測縮小了丟失部件漏掉的間隙：部件太小或太多，以至於眼睛會掠過空的位置。這些部署顯示了在設備繼續前進之前確認的每個口袋、連接器和緊固件，其速度是手動計數無法比擬的。

遠端監控

人工智慧遠端監控取代了巡視，攝影機永遠不會離開現場，監視機器和儀表只會在兩次訪問之間發生故障。這些部署表明，現有的 IP 攝影機變成了持續的監督，將異常狀態推送給需要採取行動的人。

儀表讀取

自動儀表讀數結束了走到錶盤前、瞇著眼睛寫下系統無法驗證的數字的例行公事。這些部署顯示類比儀表和指示面板轉換為記錄的數位數據，超出範圍的讀數在發生時立即標記。

工安監測

人工智慧工安檢查的目標是檢查從裝載程序到到達患者身上的污染等步驟中的疏忽導致的事故。這些部署顯示檢查每次都按照書面標準運行，並且記錄不依賴任何人的記憶。

SOP 遵循

AI SOP 合規性解決了書面程序與車站實際發生的情況之間的差距，經驗豐富的操作員會漂移，而新操作員會猜測。這些部署顯示 AR 指導可以立即捕獲跳過或重新排序的步驟，而不是在下一次審核時捕獲。

AI 機器人自動化

用於自動化處理任務的人工智慧機器人應用程式常常會拒絕：雜亂地堆放在箱子中的零件、沒有規律地堆疊的托盤、每個循環中位置不同的工件。每個頁面都收集了 3D 視覺為機器人提供固定編程無法提供的位置資料的部署。

視覺導引機器人

視覺引導機器人技術縮小了教學路徑與真實部分之間的差距，而真實部分永遠不會準確地位於程式假設的位置。這些部署展示了機器人對工件的實際位置進行密封、修整、標記和打磨，並在每個週期進行新鮮測量。

隨機料箱揀選

機器人垃圾箱揀選解決了機器人遠離垃圾箱的呈現問題：零件隨機混雜、重疊、反射或半透明。這些部署顯示 3D 視覺為每個零件找到了無碰撞的拾取，小至幾毫米寬的碎片。

加工件上下料

由於零件到達時沒有固定方向，因此機器人機器負責仍需手動進行的裝載步驟。這些部署顯示 3D 視覺可以直接從料箱中產生原始工件的拾取座標，因此機器不再需要在週期之間等待人員。

精準取放

視覺引導拾取和放置消除了嚴格自動化所需的夾具和進料器，定位未固定且混合呈現的物品。這些部署展示了機器人裝載齒輪、為裝配線供料和處理易碎貨物，而無需為每個零件配備專用工具。

堆棧和卸棧

針對混合箱負載的機器人卸垛，其中箱子的尺寸、標籤和堆疊模式各不相同。人工智慧視覺對頂層進行分段，並在每個週期中挑選多個箱子，處理到達時沒有固定模式進行編程的托盤。

料架上下料

玻璃纖維線軸的機器人卸架，將重型線軸從運輸架上提起，這些線軸以可變的間距和對齊方式到達。 3D 視覺可定位每個線軸，因此機器人無需手動處理笨拙的大批量零件即可卸載。

物料分揀配套

機器人套件所採用的零件種類繁多，無法滿足基於送料器的自動化的要求，其中一個套件涵蓋數十個部件，小至 5 毫米墊圈。這些部署顯示了從箱子中識別和組裝的混合套件，無需為每個零件編號構建專用的送料器。

研磨去毛邊

由 3D 匹配引導的機器人打磨和鋼軌邊緣修整，其中鑄造和焊接零件變化很大，以至於教導的路徑會留下材料或切割太深。機器人測量每個工件並根據實際幾何形狀調整刀具路徑。

3D 比對

3D 匹配縮小了程式假設零件所在位置與實際位置之間的差距，一個循環又一個循環。這些部署顯示掃描的工件與其參考模型對齊，因此工具可以追蹤彎曲且不一致的表面，而無需重新固定。

SolVision · Defect detection

Run your own parts through SolVision —

Bring your defect images, get a trained inspection model back.