-
基于深度学习的
视觉检测平台了解更多
-
视觉检测使用简单可靠且功能强大的 SaigeVision??平台来自动化您的视觉检测任务。 SaigeVision??采用最先进的机器学习算法，以及先进的数据生成、增强和标记工具，可为最具挑战性的检测问题提供无与伦比的准确性和速度。 即使只有有限的训练数据，?SaigeVision? 也能以最低的运营开销实现最高的性能。了解更多
-
视频异常检测SaigeVAD??可以从视频数据中自动检测各种装配和制造过程的错误。 只需使用未标记的训练数据，及正常操作视频，就可以训练 SaigeVAD?来检测所有异常，并可以分类哪些是关键的错误，哪些可以忽略的错误。了解更多
-
文字识别 | 文本理解SaigeOCR??自动检测图像中的单词和文本，并将它们转换为字符串。借助先进的深度学习方法， SaigeOCR?? 能够提取文本区域的曲率和其他几何信息，从而稳定的识别高度扭曲的文本。了解更多
-
信号分析赛视提供一系列用于检查监测信号和时间序列数据异常的解决方案，例如：电测量信号、声学信号、振动模式以及各种多维时间序列和顺序数据。了解更多
应用领域
-
锂电池
传统机器视觉难以检测到典型的锂电池制造缺陷，例如划痕、凹痕、裂缝、污渍等。原因不仅是产品表面的反射性质， 同时由于缺陷是不规则的传统视觉也很难给缺陷检测设定阈值。 Systems全球领先的新能源汽车电池制造商， 例如三星SDI等就使用SaigeVision?解决了至关重要的锂电池检测难点。
-
半导体和电子产品
在印刷电路板的生产环节，由于缺陷种类多且形态各异，再加上质检环节的检测图像尺寸大，导致PCB板的检测很难做到又快又准。韩国大德电子等先进的PCB生产商选择使用SaigeVision?来助力其质检环节，实现高效、准确的线上缺陷检测。
-
产品抓取和码垛
机器视觉在缺陷检测和产品定位上都有广泛应用。特别是在流水线叠料的分割和识别上，人工智能拥有先天性的优势。SaigeVision?与恒瑞、无穷等医药、食品企业合作，落地数个项目。
-
显示面板
OLED/LED/LCD显示面板上的瑕疵是最复杂的检测之一。MURA，一种对比度极低的污渍，这种缺陷的的尺寸最小只有几个像素点，非常难以检测到。针对这种缺陷，利用SaigeVision?就可以轻松应对。
-
医药与生物制药
面对严格的生产安全要求，医药类产品的缺陷检测是重中之重。任何缺陷漏检都可能造成重大事故。同时，随着医药产品的大规模生产，检测效率也同样重要。 当企业问起如何能同时拥有检测的准确率和效率，SaigeVision?就是最好的答案。
学术博客
-
Date: 2021.07.20. Writer: Hyeokjun Kwon Source: Saige Blog – A Peek into Automatic Data Augmentation by Policy Searching Machine-learning(ML, ????) ?? Deep-learning(DL, ???) ???? […]Hyeokjun Kwon -
Date: 2021.07.08 Writer: Seunghyeon Kim Source: Saige Blog – Transfer Learning for Industrial Visual Inspection Transfer learning ??? 2012? Alex Krizhevsky? AlexNet[1]??? convolutional neural […]Seunghyeon Kim