异常检测器模块可以通过正向（无误）例子进行训练（无监督学习）。它能够检测稳定的物体，甚至是完全不稳定的表面，如带有图案的变形纺织品。

表面检测是一种工具，可以通过训练以在完全不均匀的表面上发现缺陷。这种缺陷的例子：生锈、磨损、渗漏等。它使用包含缺陷的有标注域进行训练（有监督学习）。

物体检测器和分类器可以发现形状不稳定的物体，例如木结。即使是旋转的物体也不影响。

检测模块可以组合成复杂的工作流，甚至可以与自定义的图像预处理或脚本代码相结合。

OCR （光学字符识别）模块用于查找图像中的单个字符或单词。

当要检查的物体在图像中旋转或位置分散时，可使用统一器。统一器统一了图像中物体的位置和旋转，以便进一步处理。

预处理模块是一种在对图像进行进一步处理前进行简单编辑的工具。它可以进行旋转、裁剪、缩放、背景归一化、背景去除等多种变换。

自动灵敏度是异常检测器模组的一部分，确定最佳灵敏度值，可以理想地找到判断产品好坏的界限。

测量模块用于简单测量物体的尺寸。

运行时统计数据显示根据您选择的特定日期和时间从 API 发送的 OK 和 NOK 图像的统计数据。

报告模块中的统计部分计算应用程序在评估图像方面的成功程度。显示混淆矩阵和相关指标，以及最小、最大和平均处理时间。

报告生成器是报告模块的一部分。它能自动生成 HTML 报告，包括统计部分中的所有信息，加上训练图像（如果选择的话）、经过评估的测试图像和使用过的模块的图表。

Python 代码提供了高度的灵活性。你可以对图像进行预处理（使用例如 OpenCV 和 Numpy ），添加自定义逻辑，甚至调用外部接口。

一旦处理完成（全/好/坏）摄像机来的图像，输出可用于触发操作。你可以使用命令行（例如运行脚本）、发送 HTTP 请求（ GET 或 POST ）或使用 Profinet 或 TCP 协议与 PLC 建立连接。