In-Sight D900将实现更多自动化在线检测的3 个原因

出于种种原因，典型制造流程中会有很多阶段不经过检测。生产过程中可能会有因为检测过于复杂或难以编程而无法实现自动化的工序。可能检测需要某种级别的人类认知、经验、或判断。

无论是什么原因，只要产品未经过检测，制造商就可能面临产品召回、效率低下、返工、以及其他负面业务结果，影响利润的提高。

哈佛商学院教授 Ariel D. Stern 说，据估计，一次产品召回可能给公司带来 1000 万到 1 亿美元的利润损失，而且会给品牌声誉和创新能力带来更糟糕的持续影响。仅最近的 2016 年，召回就给整个汽车行业造成约 220 亿美元的损失。

未经过检测的生产流程给制造商和品牌带来的损失是无法承受的。

我们经常听到工厂自动化客户的反馈，说在 In-Sight 平台上增加深度学习技术就能帮助解决这些生产检测挑战。

幸运的是，他们已经不再需要等待，因为最新的 In-Sight 视觉系统 the D900 已可帮助客户扩展需要自动化和规模的生产检测类型。

In-Sight D900 是第一款嵌入深度学习检测功能的视觉系统，让非程序员从人工智能 (AI) 的革命性力量中获益。它运行 In-Sight ViDi 软件，部署时无需计算机即可解决大部分有挑战性的字符识别、装配验证、和缺陷检测应用问题。In-Sight D900 的强大功能和易用性使制造商能够将之前的无法检测变成可以检测，同时提供快速、一致且准确的结果。

这就是 In-Sight D900 能够给汽车、包装、电子或食品饮料等各种行业的制造商和自动化工程师提供帮助的原因。

1.应用设计和部署简单

In-Sight D900 的深度学习作业使用的是 In-Sight ViDi 软件，有直观的 In-Sight 电子表格界面，无需编程即可快速设置和运行深度学习应用。对于 In-Sight 用户，它有您已经熟知和喜爱的编程环境。

对于刚接触 In-Sight 的用户，电子表格简化了应用开发并通过全面的 I/O 和通信功能集简化了工厂集成。它还使用户能在同一作业中结合传统的康耐视基于规则的视觉工具（如 PatMax Redline）和深度学习工具一起使用，从而提高部署速度。

与其他深度学习解决方案相比，In-Sight ViDi 需要的图像集更少，训练和验证时间更短。因此，对于 In-Sight D900 来说，应用设置、训练和部署不但快速而且简单。

2.深度学习嵌入在强大的智能相机视觉系统中

直到现在，工厂自动化检测使用深度学习时还需要深度学习软件，例如 VisionPro ViDi 或某些开源框架，要在计算机上运行并连接 GigE 相机，这无疑提高了使用深度学习解决方案的复杂程度。

与此相反，确定应用并在深度学习模型上进行训练后，无需计算机即可马上将其部署到 In-Sight D900 上。这是因为 D900 有专为在生产线速度下解决复杂深度学习应用问题而设计的嵌入式推理引擎协处理器。而且和其他 In-Sight 视觉系统一样，它是高度模块化的，有 IP67 级防护，使用专为您的应用定制且可现场更换的照明、镜头、滤镜和镜头罩。

3.自动化和调整最有挑战性的生产检测

使用 In-Sight ViDi 软件的 In-Sight D900 视觉系统非常擅长处理三种具体应用：缺陷检测、有挑战性的字符识别和装配验证。凭借三种新检测工具 ViDi Detect、ViDi Read 和 ViDi Check，这个深度学习解决方案能够用于广泛的应用。例如，对于表面上有无法预测的缺陷的复杂零件或表面，ViDi Detect 就是这种应用的完美工具。

它还能根据用户定义的布局中的位置查找复杂特征和对象在图像中的位置，或者验证零件和套件是否装配正确。对于字符识别，我们知道如果要读取的码的光线良好且对比度清晰，机器视觉也能工作得很好。但是，深度学习可以在最有挑战性的环境中读出大部分码。无论码严重变形、歪斜、蚀刻质量差还是在照明条件差的反光表面上，深度学习都能处理。

结论

In-Sight D900 是真正的同类首款产品：一种无需计算机即可在生产中执行深度学习检测的强大的视觉系统。长期以来，深度学习一直是学院理论和大型科技公司的宠儿。但是现在，自动化工程师和质量经理也能在工厂车间中利用它强大的力量。