Wilt u machinevisie mogelijk maken en tegelijkertijd besparen op digitaliserings- en productiekosten? Het implementeren van AI in slimme productie kan een transformatie zijn voor uw bedrijf, maar het kan ook een uitdaging zijn om dit te bereiken!
Bij Deeplite zijn we zeer bekend met deze uitdagingen. Om de toegankelijkheid en toepasbaarheid van AI-real-world-scenario's in slimme productie te verbeteren, is Deeplite een partnerschap aangegaan met een toonaangevend merk op het gebied van intelligente IoT-systemen. Als resultaat van deze samenwerking hebben we een geoptimaliseerde modeldierentuin geleverd die is afgestemd op bekende machinevisie-implementaties en andere gebruiksscenario's in slimme productie, zoals persoonsdetectie voor de veiligheid van apparatuur.
We gebruikten standaardkaders zoals PyTorch, TensorFlow, Keras en ONNX. We hebben ook de modeldierentuin geoptimaliseerd om ontwikkelaars in staat te stellen eenvoudig en herhaalbaar ideale AI-aangedreven oplossingen voor hun applicaties en apparaten te creëren! De dierentuin bevat een set van 30+ vooraf getrainde deep learning-modellen voor verschillende classificatie-, detectie- en segmentatiegebaseerde toepassingen zoals persoonsdetectie, geautomatiseerde optische inspectie, defectdetectie, maskerdetectie en meer. Hier zijn enkele voorbeelden:
- MobileNets (classificatie)
- ResNets (classificatie)
- VGG (classificatie)
- Single Shot Detection modellen
- Yolo Detection modellen
- UNet-segmentatie-modellen
U kunt de resultaten bekijken en de volledige casestudy hier in PDF downloaden.
