Deepvis kan finde komplekse og uforudsigelige fejl, som er almindelige i genanvendt plast, f.eks. sorte prikker, short shots, overstøbning, urenheder, brændemærker og geometrifejl. Modellen trænes på annoterede eksempler af de fejltyper, I går op i, og den holder til den variation i materiale, farve og overflade, der følger med genanvendt råvare.

Nej. Omkring 120 annoterede billeder er nok til at træne en model. Det er langt færre end traditionelle systemer, som kræver tusindvis af manuelt mærkede eksempler. Det er dog værd at bemærke, at krævende applikationer typisk klarer sig bedre, jo bedre data er.

Ja — med den rette GPU-hardware kan Deepvis analysere emner i realtid ned til cyklustider på 0,5 sekunder, hvilket gør systemet velegnet til hurtige emballage- og produktionslinjer.

Traditionelle systemer bygger på regelbaseret billedbehandling og skal programmeres om, hver gang et produkt ændres. Deepvis bruger AI til at tilpasse sig variation i produkterne og kræver ingen specialist til opsætningen — ideelt for fleksible producenter, hvor lange og komplekse opsætningstider ikke er en mulighed.

Hver enhed består af et kamera, en AI-edgecomputer og en softwareplatform til inspektion. Kunderne kan købe den samlede løsning som en engangsinvestering med valgfri softwarelicens og supportpakker.

Hvis jeres kvalitetskontrol er manuel, tidskrævende og påvirkes af hyppige ændringer i produkt, lys eller materiale, er Deepvis bygget til jer. Vores system er designet til at reducere mandetimer i visuel inspektion — især i miljøer med høje volumener og stor variation, hvor traditionelle systemer kommer til kort. Vi starter typisk med et afklaringsmøde og en pilot, der viser tidsbesparelsen og effekten på driften.