更智能的檢測
輕鬆地利用機器學習和AI來減少檢測錯誤、假正例和二次篩查等這些錯誤帶來的額外人力資源和流程成本。
保護投資
在升級現有的相機、軟體和視覺算法的同時部署AI。
插件式AI開發
無須任何額外的編程即可部署AI算法——內置AI分類、分揀和瑕疵檢測功能,已增加系統的高級機器學習能力。
擴展工業4.0
使用者僅需上傳Python編寫的自定義圖像處理和AI演算法,Pleora的操作系統(建立在eBUS SDK上的)將會處理剩下的所有工作。
如何運作
1. 連接相機
Pleora的AI閘道器支持多種接口協議。可將任何廠商支持GigE Vision、USB3 Vision、 Camera Link 或MIPI 協議的相機或感測器直接連接到AI閘道器。
2. 設置一個AI功能
終端用戶和整合商無須任何額外的編程知識即可輕鬆部署AI功能。圖像和數據被上傳到主機PC上的“免程式碼”訓練軟體,該軟體可以生程一個神經網路並部署到Pleora 的閘道器上。連接到Pleora 的AI閘道器,並配置所需的AI技術,包括插件和自定義功能。
3. 規模化處理
對於需要更強大AI處理能力的複雜視覺應用和解決各種感測器接口的方案,可以對系統平台進行升級。對於需要分布式視覺處理的應用,可以向系統中添加額外的節點,以建構一個AI網狀網路。
4. 運行您現有的應用
將Pleora AI閘道器連接到您的電腦上並接收實時處理的數據。運行您現有的機器視覺應用程序,或使用提供的Pleora eBUS SDK 開始開發您自己的前端應用程序。Pleora 的AI 閘道器與任何符合視覺標準的設備一樣,提供對GenlCam的訪問來設定您系統現有的相機或感測器,以維持與現有應用程序的兼容性。
關鍵特點
應用
資源
關鍵特點
- 不要丟掉你的“傻瓜相機” ——透過添加先進的感測器和人工智慧圖像處理能力來升級現有的硬體、軟體和演算法
- 預先配置的 AI 技術––內置分類、排序和瑕疵檢測,具有基於 Web 的介面進行“無程式碼”算法訓練,和強大的 NVIDIA GPU 以加速更高級機器學習演算法的部署
- 完全可擴展——操作系統建立在 Pleora 廣泛部署的 eBUS SDK 之上,提供了一個使用者簡易的框架,可以將用 Python 開發的自定義 AI 和機器學習技術上傳到平台
- 標準的解決方案——在使用最適合你應用的相機、感測器和軟體的同時,避免鎖定供應商和支持多個API需求
應用
資源