| 1,000,000+ | 真實生產影像 它基於我們的視覺基礎模型，該模型在超過一百萬張真實生產影像上進行訓練。 |
它基於我們的視覺基礎模型，該模型在超過一百萬張真實生產影像上進行訓練。
| 您自己訓練模型。 | 內建模型訓練 收集影像、標註示例並訓練您的模型——所有這些都在檢測軟體中完成，無需雲上傳。 |
收集影像、標註示例並訓練您的模型——所有這些都在檢測軟體中完成，無需雲上傳。
分五步訓練模型。
- 01 新增到資料集單擊任何檢測區域，或一次單擊整個產品，即可將影像放入資料集。複查螢幕的反饋也會進入此處。
- 02 標記為 OK 或 NG 將每張影像標記為 OK 或 NG。軟體會跟蹤未標記的影像，以便您稍後暫停和恢復。
- 03 訓練命名您的模型，開始訓練並監控其效能。您可以隨時停止並保留目前為止的最佳結果。
- 04 檢查結果在未用於訓練的影像上評估模型。在結果表中複查正確預測、誤報和漏檢缺陷。
- 05 應用模型將模型應用於選定的檢測區域，並將其設定為該組的預設模型。它與您現有的檢測檢查並行執行。
觀看：模型訓練，從開始到結束
教會模型您的電路板上哪些是重要的。
在我們的視覺基礎模型上進行構建，以檢測您產品特有的小眾缺陷。使用您自己生產的已標記影像進行訓練，以擴展其檢測能力。
檢測 0140 警報
檢測 0219 警報
檢測 036 警報
實踐中的改進
此演示顯示了三次檢測中的 40、19 和 6 個警報，每次執行之間都有反饋和調整。顯示的計數是警報，而不是已確認的缺陷。
您的資料保留在您的設施中。
無需網際網路、無需雲、無需賬戶在機器上本地訓練，無需網際網路連接、雲服務或線上賬戶。您的影像保留在本地在本地收集、標記和訓練您的影像。無需上傳影像。模型是您的財產您的團隊使用您的生產影像訓練模型。模型屬於您，不與其他客戶共享。與生產分離訓練收集影像並標註，在單獨的機器上訓練，然後將完成的模型傳輸到生產機器。新增到現有檢測您的自定義模型為選定的檢測區域新增一項檢查。現有檢測檢查繼續執行。更新或替換模型禁用某個組的模型，用更多樣本重新訓練，或替換為新版本。改進現有檢測
如果現有檢測產生誤報，您可能不需要單獨的自定義模型。提交反饋並執行 AI 更新以改進現有模型。