Das Modul Anomalie-Detektor kann durch positive (fehlerfreie) Beispiele trainiert werden (unüberwachtes Lernen). Es ist in der Lage, stabile Objekte oder sogar völlig instabile Oberflächen wie verformte Textilien mit Muster zu untersuchen.

Die Oberflächenerkennung ist ein Tool, das darauf trainiert werden kann, Defekte auf einer völlig heterogenen Oberfläche zu finden. Beispiele solcher Defekte: Rost, Abrieb, Lecks usw. Zum Training verwendet es annotierte Bereiche, die Fehler enthalten (überwachtes Lernen).

Der Objektdetektor und -klassifikator kann Objekte mit instabiler Form finden – beispielsweise Äste auf Holz. Es spielt nicht einmal eine Rolle, ob die Objekte gedreht sind.

Die Inspektionsmodule können zu einem komplexen Ablauf kombiniert und sogar mit benutzerdefiniertem Bildvorverarbeitungs- oder Skripting-Code verwoben werden.

Das Modul OCR (Texterkennung) wird verwendet, um einzelne Zeichen oder Wörter im Bild zu finden.

Der Unifier kann verwendet werden, wenn zu untersuchende Objekte gedreht sind oder die Position auf den Bildern uneinheitlich ist. Der Unifier vereinheitlicht die Position und Drehung der Objekte auf den Bildern für die weitere Verarbeitung.

Das Vorverarbeitungsmodul ist ein Werkzeug zur einfachen Bildbearbeitung vor der weiteren Verarbeitung. Es ermöglicht Drehen, Zuschneiden, Skalieren, Hintergrundnormalisierung, Hintergrundentfernung und viele weitere Umwandlungen.

Die Auto-Empfindlichkeit ist Teil des Anomalie-Detektormodul. Sie bestimmt den besten Empfindlichkeitswert und kann im Idealfall die Grenze zwischen gutem und defektem Produkt finden.

Das Modul Messung dient der einfachen Messung der Maße eines Objekts.

Die Laufzeitstatusstatistik zeigt eine Statistik der von der API gesendeten OK- und NOK-Bilder gemäß dem von Ihnen gewählten Datum und Zeitpunkt.

Der Teil Statistik des Berichtsmoduls berechnet, wie erfolgreich die Anwendung bei der Auswertung von Bildern ist, und zeigt die Konfusionsmatrix, zugehörige Metriken sowie die minimale, maximale und durchschnittliche Verarbeitungszeit an.

Der Berichtsgenerator ist ein Teil des Berichtsmoduls. Er erstellt automatisch einen HTML-Bericht, der alle Informationen aus der Statistik sowie Trainingsbilder (falls gewählt), ausgewertete Testbilder und eine Grafik der verwendeten Module enthält.

Mit dem Python-Code haben Sie große Flexibilität. Sie können beispielsweise Bilder vorverarbeiten (z. B. mit OpenCV und Numpy), eigene Logik hinzufügen oder sogar externe Schnittstellen aufrufen.

Der Ausgabe kann verwendet werden, um eine Handlung auszulösen, sobald ein Bild von der Kamera verarbeitet wurde (alle/gut/schlecht). Sie können die Befehlszeile verwenden (z. B. zur Ausführung eines Skripts), eine HTTP-Anfrage senden (GET oder POST) oder über das Profinet- oder TCP-Protokoll eine Verbindung zu Ihrer SPS herstellen.