| Feature Detection
|
| No. FR-AD-DS |
AVS - Supervised Mode
 Supervised Mode :
在監督式模式下，用戶需要仔細地標記與訓練影像上的缺陷相對應的像素。接着，工具透過查詢找出其關鍵特徵來學習區分 "好" 與 "壞"。
|
太陽能檢測
|
|
衛星影像分割
|
在此應用中，必須在包含複雜特徵的表面上檢測到裂紋和划痕。 使用傳統的方法時，由於有多種太陽能電池板，因此許多算法參數必需經過調整。 透過深度學習，只需使用一個工具即可在監督模式下訓練系統。
|
|
衛星影像分析不易，因其特徵種類繁多。儘管如此，"Deep Learning Add-on" 利用可信度高的道路和建築物來訓練。可以只使用一個正確標記的影像進行訓練，並且可以立即驗證結果。添加更多樣本可強化模組的分析
|
 |
|
 |
| |
|
|
紡織品檢驗
|
|
餅乾檢查
|
紡織品材料風格豐富多彩，但有一點是常見的，缺陷發生在高度紋理化背景上。使用 "Deep Learning Add-on" 技術，用戶可以定義幾類缺陷並在樣品影像上標記它們。訓練結束後，分類是自動進行的，檢測出不容易看到的缺陷。
|
|
沒有同樣外貌的餅乾，但顧客都期望有一件事情能保持完美 -- ex:巧克力覆蓋。如何定義缺陷? 首先收集發生缺陷的餅乾，並標記它們的瑕疵。該程式學習從這些標示出的瑕疵，並一一從產品中搜尋到它們。
|
 |
|
 |
| |
|
|
大理石裂縫
|
|
木節疤
|
因其表面不是同質的，所以檢測大理石上的裂痕是一項具有挑戰性的任務。AVS仍能夠成功地區分裂紋和不規則圖案，只需要客戶提供一些樣品影像，仔細標記裂痕，並訓練模組。
|
|
在分級木材時，必須考慮的關鍵因素之一是木節疤的數量和尺寸。使用AVS的 "Deep Learning Add-on"，您可以在幾分鐘內準備一個檢測木節疤與測量其尺寸的可靠程序。不需編程技巧，只需要加載樣品影像並分析結果。
|
 |
|
 |
OS系列:
Zebra Aurora Vision Studio, Zebra Autora Vision Library, Zebra Aurora Deep Learning, MQ003MG-CM, MQ003CG-CM, MQ013MG-E2, MQ013CG-E2, MQ013RG-E2, MQ013MG-ON, MQ013CG-ON, MQ022MG-CM, MQ022CG-CM, MQ022RG-CM, MQ042MG-CM, MQ042CG-CM, MQ042RG-CM, MQ003MG-CM-BRD, MQ003CG-CM-BRD, MQ013MG-E2-BRD, MQ013CG-E2-BRD, MQ013RG-E2-BRD, MQ013MG-ON-BRD, MQ013CG-ON-BRD, ……
|
|
|
