关键要点
In-Sight 2800 通过结合 AI 和传统工具，简化了视觉自动化，使工程师无需大量的机器视觉专业知识即可快速训练其系统。其在处理缺陷检测和分类等复杂任务方面的多功能性，使其成为提升制造效率和产品质量的强大解决方案。
In-Sight 2800 将先进的人工智能（AI）技术和基于规则的传统工具相结合，融入一个高度集成式视觉系统中。借助经过预训练且基于 AI 的算法，In-Sight 2800 能够快速且轻松地部署在各种工厂环境中，以实现错误检测的自动化。
该系统旨在供生产线和自动化工程师使用，以帮助他们无需具备 AI 或机器视觉知识，便能应对各种具有挑战性的工厂自动化问题。工程师只需打开 In-Sight 2800，系统即可在几分钟内完成缺陷的识别与分类。此外，与其他一些视觉系统不同的是，该系统可通过无限数量的类别实现缺陷识别与分类，能够应对更为高级的分类和分拣任务。
通过 In-Sight 2800，各种规模的制造商都可以简化集成，满足确切的应用要求，并通过提供以下各个方面的特色来实现更高的产品质量：
- 简单易用
- 多类别分类功能
- 多个感兴趣区域能力
1. 高易用性适应所有技能水平并加速部署
机器视觉和 AI 被公认为功能强大，但也很难高效部署。然而，随着 In-Sight 2800 等工厂自动化技术的进展，带来了一系列工具的产生，这些工具现在比以往任何时候都更易于使用。
In-Sight 2800 采用了精心设计，使设置过程简单易用，而无需高级编程。通过对系统进行训练来解决问题，就像培训生产线上聚精会神的新员工一样。工程师展示了需要区分的例子，而嵌入式边缘学习能够快速做出相同的区分。
边缘学习是人工智能的一个子集，使用一组经过预训练的算法直接在设备或“边缘”上进行处理。与更传统的基于深度学习的解决方案相比，该技术设置简单，并且训练所需的时间和图像更少。使用传统的解决方案时，实现许多分类应用的自动化可能需要几天甚至几周的时间，需要数百张图像，并且要安排经验丰富的视觉和 AI 专家进行数小时的分析。相比之下，在 In-Sight 2800 上部署边缘学习工具只需要几分钟时间和几张训练图像，以及一位工程师的关注，这位工程师应非常了解需要解决的问题，但不一定要求具备特定的视觉或 AI 知识。
2. 多类别功能应对广泛任务
边缘学习的一项关键能力是，在对指定类别中这些零件的标记图像进行训练后，能够快速可靠地将零件分为各个类别。该功能的一个常见应用是，将可接受和不可接受的零件分类为 OK/NG（合格/不合格）。
用户可以提供可接受和不可接受零件的图像，来对边缘学习分类工具进行训练。无需标记或定义零件不可接受的原因。与此相反，工具本身会对做出决定非常重要的零件变化进行加权，而忽略不影响分类的变化。嵌入 In-Sight 2800 的边缘学习工具还可以处理比二元 OK/NG 决策复杂得多的分类。
随着大规模定制的日益增加，制造商通常会为每个零件储备许多变化型号。例如，豪华汽车的车轮会有几十种 SKU，在图案、颜色和饰面上略有不同。人类检查员可能需要整整一分钟才能区分其中的一些。完成该活动所需的时间是合理的，因为不这样做可能会导致——安装所订购车轮以外的车轮，从而会导致客户不满意，并失去未来的业务。
在使用每种豪华车轮设计的少数几个例子进行训练后，边缘学习能够可靠地选择正确的车轮，或确认车辆上是否安装了指定的款式。定义多个分类的能力提供了解决更多工厂自动化问题的功能。
3. 多感兴趣区域 (ROI) 功能聚焦于基本特征
为了优化检测应用，生产线工程师可以利用其对零件上的重要可变区域的了解来定义特定的关注区域，这被称为感兴趣区域 (ROI)。通过直观的界面，使用熟悉的点击并拖动工具即可轻松配置 In-Sight 2800 上的应用。一次拖动定义一个框，再拖动一次可以进行移动。可将该框锁定到零件的恒定特征。
ROI 定义是机器视觉的标准部分，但它的使用通常需要一些专业知识。In-Sight 2800 让不具备特定视觉工具经验的人员可以轻松应用。该产品具有功能强大的视觉工具，这意味着可以定义任意数量的此类 ROI，并且每个 ROI 都可以识别任意数量的类别。
对于印刷电路板 (PCB) 等具有许多不同配置和可变零件的复杂组件来说，这让执行装配验证的过程变得简单直观。以前，这些问题需要大量的工作来决定应检查哪些特征，以确认所安装的零件是否正确，然后对视觉系统进行编程，以对这些特征进行检查。In-Sight 2800 边缘学习工具可以自主做出这些决定，这意味着工程师可以专注于更高附加值的活动，如优化其操作。
易于使用的 AI，具有高度的灵活性
康耐视视觉工具根据多年的工厂自动化经验开发，专门满足生产线操作要求。随着错误变得更为轻微且难以检测，这项经过精心打磨的技术所具有的优势变得更加明显。
例如，旋转封盖机在对瓶子封盖时可能出现螺纹错误、损坏或留下间隙。许多系统可以轻松地检测到大的、可见的错误。当缝隙几乎难以察觉时，这种差别就会显现出来。其他系统可能会漏掉此类错误，从而导致潜在的泄漏或污染。In-Sight 2800 结合了边缘学习和专注的机器视觉工具，将这些几乎看不见的缺陷归类为不可接受的缺陷。
In-Sight 2800 视觉系统易于使用，使用少量图像即可进行训练，能够进行多类别和多 ROI 操作，正在为工厂自动化带来变革。