產品介紹

3D技術專區

機器人技術專區

軟體

SuaKIT

sualab deep learning image analysis software suakit

SuaKIT 視覺檢測軟體採用人工智慧(AI)影像深度學習演算法(Deep-learning Algorism),透過具自我學習能力的專利神經網絡和GPU超級運算計術,能辨識傳統視覺檢測軟體無法判讀的缺陷,是PCB、面板、半導體、電池、太陽能、汽車工業零件等產業,以及薄膜/鍍銅、相機模組、金屬和流水線檢測等應用的最佳瑕疵檢測軟體。

 Samsug, LG, Panasonic, Nikon 和Toyota等國際大廠
共同推薦和指定採用

 

>>SuaKIT深度學習(DeepLearning)演算法

SuaKIT深度學習演算法 傳統機器視覺演算法
可以分析複雜的影像!
即使瑕疵與背景混雜在一起,
亦可成功檢測。
無法分析複雜的影像
若背景過於複雜混淆既有的瑕疵,
會導致無法檢測的情況。
高準確率!
即使新瑕疵有些許變異,
一樣可以維持極高的準確率。
低準確率
若瑕疵與舊有標準有些許差異,
則準確率會大幅下降,無法檢測
瑕疵檢測具低進入門檻!
不具程式撰寫能力的人,
亦可藉由SuaKIT的GUI優化檢測軟體。
瑕疵檢測具高進入門檻
若生產環境改變或產生新瑕疵,
需具有程式撰寫能力的工程師耗費許多時間重新優化軟體。
 

>>SuaKIT的四種訓練方法

sualab deep learning image analysis software single image
單張影像分析法
針對單張影像上的瑕疵進行訓練及檢測 
sualab deep learning image analysis software image comparison
影像比對法
背景相似的前提下,訓練多組「正常與瑕疵的影像」並進行檢測
sualab deep learning image analysis software multi_image
複合影像分析法
可訓練多組「不同光源」或「不同景深」拍攝相同產品的影像
sualab deep learning image analysis software one-class learning
正常影像學習法
僅訓練正常無瑕疵的影像
 

 >>SuaKIT核心功能

sualab deep learning image analysis software segmentation
瑕疵檢測
sualab deep learning image analysis software classification
圖像分類
對位辨識
 

>>SuaKIT軟體優勢

sualab deep learning image analysis software
優勢一:單張影像分析法
透過搭配前處理的深度學習模式,可在已訓練完成的神經網絡的基礎上持續訓練,大大縮短SuaKIT的訓練時間,並減少所需要的訓練影像數量。
※僅支援圖像分類
sualab deep learning image analysis software uncertainty data
優勢二:不確定性資料分析工具
工程師可藉由視覺化的圖表,找出可能錯誤的資料並加以修正,提高訓練時的準確率。
sualab deep learning image analysis software comparison
優勢三:影像比對法
相似背景的前提下,同時訓練多組正常與瑕疵影像進而提高檢測準確率,在不同光源條件下亦能使用。
※支援瑕疵檢測和圖像分類
sualab deep learning image analysis software multi
優勢四:複合影像分析訓練
同時訓練多組「以不同光源或景深拍攝相同產品」的照片,以提高瑕疵辨識的準確率,檢測速度更比一般傳統逐圖檢測的速度快15倍。
※支援瑕疵檢測和圖像分類
sualab deep learning image analysis software visual debugger
優勢五:可視化除錯(Visual Debugger)
透過影像檢視功能,SuaKIT深度學習演算法的結果可在螢幕上一目了然,供工程師即時判讀與修正。
※支援圖像分類