
PEKAT VISION nabízí výkonnou sadu deep learning modulů pro průmyslovou inspekci — včetně detekce anomálií, detekce povrchu, detektoru, klasifikátoru a OCR (optického rozeznávání znaků).
Tyto moduly lze kombinovat a rozšířit pomocí skriptování pro řešení složitých inspekčních úloh. Pro většinu aplikací není potřeba programování — PEKAT VISION obsahuje vše potřebné pro efektivní kontrolu kvality.
Deep Learning moduly
Anomaly Detector
Modul Anomaly Detector identifikuje dříve neviděné vady pomocí nesupervizovaného deep learningu. Vyžaduje pouze malou sadu snímků bez vad pro trénink a nevyžaduje ruční anotování. Díky tomu je ideální pro produkty s nepravidelnými vzory nebo složitým pozadím.
Surface Detection
Modul Surface Detection je navržen k detekci viditelných povrchových vad, jako je rez, oděrky, praskliny nebo vměstky — i na heterogenních nebo strukturovaných materiálech. Vyžaduje trénink na snímcích s označenými vadami.
Object Detector
Modul Object Detector lokalizuje a volitelně klasifikuje objekty nebo vady — i ty s proměnlivým tvarem, jako jsou ovoce, suky ve dřevě nebo škrábance. Vyžaduje anotaci každého objektu nebo vady. Orientace objektu nemá na detekci vliv.
Classifier
Deep learning modul Classifier přiřazuje jednu třídu celému obrazu, objektům detekovaným jinými moduly nebo objektům na pevných pozicích. Každý objekt nebo snímek je zařazen do jedné předem definované kategorie.
Rozšíření
Parallelism
Parallelism umožňuje definovat více větví zpracování nezávisle. Každá větev běží postupně a jejich výsledky jsou následně spojeny. Od verze 3.14 není pro konfiguraci takového vícevětvého zpracování potřeba programování.
Code
Modul Code umožňuje rozšířit PEKAT VISION pomocí Pythonu. Lze jej využít pro pokročilé předzpracování (např. pomocí OpenCV nebo NumPy), vlastní logiku nebo integraci s externími systémy a rozhraními.
Další funkce
Confusion Matrix
Tento výkonný nástroj vyhodnocuje výkon natrénovaných modelů porovnáním uživatelských anotací s predikcemi modelu a poskytuje cenné informace pro jejich doladění.