友思特快速部署实时推理API Neuro-R

无缝整合训练软件创建的模型，支持各种环境和编程语言的运行库

Neuro-T AI自动深度学习平台

友思特Neuro-R是快速部署实时推理API，将Neuro-T创建的模型部署进视觉检测自动化设备的运行库，集成了各种API，能够快速融合和预处理图像，使对目标的推理速度满足实际生产需求。

三个步骤即可快速部署：替换例程模型路径、接入相机图像流、可视化检测结果和二次处理
多OS兼容：Windows/Linux(Ubuntu)/嵌入式系统(Jeston)均可部署检测
多编程语言兼容：提供C++/C#/Python例程支持客户快速部署Neuro-T深度学习模型
Neuro-T全模型兼容：Neuro-T所有深度学习模型以及多模型链接的深度学习模型均可一键部署
推理效率优化：在例程中已对模型初始化和推理参数进行优化和泛化，轻松调度模型实现高精度检测

汽车装配&质量检测

AI视觉检测广泛应用于检测汽车部件的装配情况、

汽车部件的质量检测和车身车漆检测等，

提高汽车制造自动化产线的生产速度

电子产品、电池&半导体

AI视觉检测可以捕捉小型电子元器件的缺陷，

包括PCB焊接质量检测、电池表面缺陷检测等，取代传统目视和AOI检测

医药&生物检测科学研究

AI视觉检测可以用于药片和医用器件质量检测、

微生物计数、细胞异常检测和隐形眼镜检测等

包装&物流自动化

AI视觉检测可以进行包装密封检测、标签识别和对齐、码垛计数、

编码识别和产品分类等应用项目，助力自动化流程的完善

产品优势特点

应用模型解释实时图像形成完整视觉检测方案

视觉技术的自动化应用使得制造过程更加智能化，深度学习算法作为“大脑”，工业相机作为“眼睛”，发挥了至关重要的作用。
友思特 Neuro-R将两者进行结合，通过三步即可实现图像输入到结果输出的全过程，形成完整的视觉检测解决方案。

1）输入：将相机设备获取的图像数据转换为模型输入格式的数据（NDBuffer）
2）处理：将图像数据输入到执行器获得检测结果，可以根据应用场景选择模型、CPU/GPU设备，进行参数设置
3）输出：检查执行器输出结果，解析出最终检测结果，不同模型对应不同输出结果信息

与 Neuro-T 配合进行模型的实际部署

STEP1：【文件界面】导入图像，该页面还提供了图像切片、图像增强等预处理功能
STEP2：【数据页面】选择模型类型，对检测对象进行标注，并划分训练集和测试集
STEP3：【训练页面】验证数据集并启动训练过程，自动深度学习算法一键即可完成训练设置
STEP4：【结果页面】基于4个不同的值以及混淆矩阵以评估模型性能（Accuracy, Precision, Recall, F1 Score），并可预览预测结果

兼容性强推理速度快带来无限可能性

支持使用多种编程语言进行系统集成：C++、C#、Python。
支持不同平台上的推理：PC（CPU、GPU）、OS（windows10/11、Linux Ubuntu18.04）和嵌入式设备（Jeston）。
推理速度快，可以拓展更多的应用场景，不同设备与推理模型的速度不同，选项“Enhance Inference Speed”和“For Embedded Device”可以提高推理速度。