Suakit-Short

SuaKIT 视觉软件工具

像素级标签(分类)

像素级标签可以标记分类项目图像上的缺陷区域,从而提高检测准确度。即使没有足够的图像数据,它也能实现很高的检测性能。

Examples of OK and NG inspection images

网络选项(分割)

“上下文网络”是一种分割类型,与能将剔除不足降低到最小的“敏感网络”相比,这种分割可以最大程度地降低过度剔除率。您可选择这两种网络之一来优化您的缺陷探测结果。

Chart showing overkill and underkill rates
Examples of incorrect and correct image analysis of an electronic part

视觉调试器(分类)

视觉调试器功能可以直观地显示深度学习算法分析的是哪个图像区域。它使用户可以检查是否已根据用户意图执行了检测。

持续学习(单 x 分类)

持续学习是一种使用预训练的神经网络的深度学习模型训练方式,它可以减少训练时间和每个新产品需要的训练图像数量。

Models of convention and new deep learning training methods

不确定性数据分析

此功能能够方便地检查训练数据。它使模型能够分析和提取难以分类为 OK/NG 的模糊数据,可以轻松发现错误标签导致的分类错误的图像。

Chart showing data analysis of normal and defective parts
康耐视特色产品

获取产品支持和培训以及更多

加入 MyCognex

是否有任何疑问?

世界各地的康耐视代表可以随时为您提供支持,满足您的视觉和工业读码需求。

联系我们
Loading...