友思特 AI机器视觉软件平台

强大的图像和视频分析软件,为客户提供自动化、高效、精准、灵活的机器视觉检测功能

将先进的深度学习技术整合到计算机视觉中,界面简洁易上手,广泛应用于工业检测、医疗诊断、安全监控等领域

几个简单步骤即可打造出分类、分割、目标检测、异常检测等8种性能卓越的模型,并部署进自动化设备中,形成完整的视觉检测方案

针对每个模型类型,AI视觉训练数据库提供大规模数据的预训练模型,为特定的场景需求快速搭建视觉检测方案

提供45天免费试用

为您的项目选择合适的AI机器视觉软件平台

友思特伙伴 Neurocle 扛鼎之作,琳琅满目的产品型号,精益求精的技术基石

Neuro-T 为视觉检测项目快速提供解决方案的深度学习训练平台

tick

提供便捷的工具和友好的图形化界面,用户友好度高,每个人都可以轻松使用

tick

支持分类、分割、目标检测、异常检测等8种性能卓越的模型,提供本地云环境

tick

集成自动深度学习算法,结合自动标注功能,一键生成高性能视觉检测模型,无需AI领域专业知识即可创建深度学习视觉检测模型,提供45天免费试用

Neuro-R 为实现深度学习模型快速部署推理的运行库

tick

无缝整合Neuro-T所创建的模型至支持各种环境和编程语言的运行时API

tick

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

tick

推理中心整合多个模型并输出单个文件,通过Neuro-R一体化快速部署应用多个类别的深度学习模型,实现快速、低代码部署,提供45天免费试用

应用场景

聚焦视觉领域,覆盖规模行业;基于应用场景,解决细分需求。友思特也可为您的项目制定集成解决方案,如有需要,请联系我们

汽车装配&质量检测等工业生产检测

Neuro-T&R 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,可以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

Neuro-T&R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

Neuro-T&R 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项目中

包装&物流自动化

Neuro-T&R 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

强大易用的机器视觉检测方案

出类拔萃,无惧对比!六大核心优势,领跑机器视觉先行

用户友好度高,入门门槛低

配备自动深度学习功能,界面简洁易上手,轻松创建模型

8种实用模型可选

分类、分割、目标检测、异常检测、字符识别、旋转等模型可选

兼容性高,支持各种系统环境

支持多种系统、硬件配置和编程语言的实时API

高效安全

本地环境训练和部署、高效的数据管理、保障数据安全

数据库提供大规模预训练模型

通过GAN、无监督学习模型应对场景数据缺乏的问题

应用场景广泛

可应用于组件检测、装配检测、无损检测、芯片检测等实际场景

应用实例

理解平台模型,为拓展产品应用与解决方案打下坚实基础,全方位提升项目应用能力

应用一:生产制造

对象计数

模型:分类
将图像分类为不同的类别,单位:图像

检测有缺陷的电池

模型:分割
识别图像中的形状和位置,单位:像素

验证汽车零件的最终组装

模型:对象检测
在图像中检测物体的位置和数量,单位:物体

检测有缺陷的玻璃

模型:异常检测
通过仅训练正常图像来识别正常/异常图像
单位:图像

识别生产日期/序列号

模型:光学字符识别
在图像中检测并识别字符、数字和符号
单位:字符

缺陷检测的预处理

模型:旋转
将图像旋转到正确的方向,可任意角度调整
单位:图像

应用二:安全与物流

分类正常/破损包裹

模型:分类
将图像分类为不同的类别,单位:图像

检测无人机

模型:分割
识别图像中物体的形状和位置 ,单位:像素

检查行李X光图像

模型:对象检测
在图像中检测物体的位置和数量,单位:物体

检测边界线上的异常物体

模型:异常检测
通过仅训练正常图像来识别正常/异常图像
单位:图像

识别集装箱上的文字

模型:光学字符识别
在图像中检测并识别字符、数字和符号
单位:字符

预处理以进行光学字符识别

模型:旋转
将图像旋转到正确的方向,可任意角度调整
单位:图像

应用三:生物医学

分类正常/疾病状态

模型:分类
将图像分类为不同的类别,单位:图像

检测有缺陷的药片

模型:分割
识别图像中物体的形状和位置 ,单位:像素。

检测牙齿植入物

模型:对象检测
在图像中检测物体的位置和数量,单位:物体

分类正常/疾病状态

模型:异常检测
通过仅训练正常图像来识别正常/异常图像
单位:图像

识别图标文本

模型:光学字符识别
在图像中检测并识别字符、数字和符号
单位:字符

测量工具

模型:旋转
将图像旋转到正确的方向,可任意角度调整
单位:图像

技术支持

专业技术团队为您服务:拥有多年机器视觉与光电检测经验,定制多个丰富成熟的落地项目

友思特专业技术支持,助您项目成功

作为专注于机器视觉和光电检测解决方案的供应商,友思特也致力于为您提供一系列该产品相关的付费技术服务,旨在以最具成本效益的方式助力您的项目成功。如您需要该产品相关的技术服务,请联系我们!

测试服务

按需进行样品测试与效果评估验证

硬件培训

全方位覆盖硬件产品使用的各环节

软件培训

帮助您迅速掌握软件使用技巧

集成开发

根据您的需求制定完整集成解决方案

常见问题解答

产品配套技术支持与付费服务,为您驱动项目无限可能

有监督模型正常进行标注和训练,无监督模型只需指定正常&异常图像,自动分配训练集和测试集的时候,训练集只包括正常图像,测试集包括正常图像和异常图像,即只拿正常图像来训练模型。

最小尺寸主要取决于采集数据集所用相机的分辨率。不过,我们的软件能检测到的最小物体低至3×3像素。

Neuro-T支持 .jpg (.jpeg), .png, .bmp, .tif (.tiff), .dcm (.dicom) 格式。上传到软件的图像数量没有限制,但我们建议每个项目的图像数量不超过 100,000 张,每个图像文件的最大大小不超过 64MB。

Neuro-T允许您从其他平台或软件导入标记数据。您可以导入 JSON 文件或掩膜图像文件。

您可以先导入包含至少10张缺陷图像的数据,训练GAN模型,然后进入生成中心,按文档操作即可在正常图像上自动/手动生成缺陷,并批量导出。

Neuro-T针对常见领域的应用场景的图像进行了模型的预训练,从而可以在少量数据的基础上快速训练得到高质量的深度学习模型,模型格式和相关数据类型已打包,并配备相应的API调用和例程,不支持开源深度学习模型。

● 您可以在平台的推理中心导入您需要推理的图像,批量进行模型推理操作,并得到评估数据结果和可视化相关内容,从而可以快速评估训练出来的模型的实际部署效果。
● 当单一的深度学习模型并不满足项目需求的时候,您可以在推理中心链接多个不同的深度学习模型,从而满足项目需求,并可以直接导出单一的.nrfc文件,在部署阶段无需再编写多个模型之间交互逻辑部分的代码。

在Neuro-T模型页面,通过设置阈值/敏感值,可以过滤不需要检测出来的内容,提高检测的准确率,设置的这个参数在模型导出的时候会打包进模型文件,无需重新设置。

友思特 合作伙伴和客户

信任来自日积月累的专业知识和丰富经验