HxGN Visual Detection

Automatisierte Qualitätsprüfung und raschere Fehlererkennung

Sie möchten mehr wissen?

Erfahren Sie, wie HxGN Visual Detection die Qualität und Geschwindigkeit Ihres Arbeitsablaufs steigern kann, damit Sie Nacharbeiten reduzieren, Ausschuss vermeiden und die Rentabilität verbessern können.

Was ist HxGN Visual Detection?

Entdecken Sie die Anwendung HxGN Visual Detection zur automatischen Oberflächeninspektion.

HxGN-Visual-Detection-Double

Was ist HxGN Visual Detection?

HxGN Visual Detection ist eine automatisierte Anwendung zur Oberflächeninspektion, mit der Mängel wie Kratzer, Risse und Verunreinigungen auf Materialien wie Glas, Metall, Plastik, Keramik und Textilien erkannt werden können.

Erfahren Sie mehr


 

Warum HxGN Visual Detection?

Die benutzerfreundliche Anwendung HxGN Visual Detection verringert den Zeit- und Kostenaufwand für die automatisierte Inspektion von Oberflächenmaterialien deutlich.

Flexibel und schnell

Flexibel und schnell

HxGN Visual Detection nutzt KI, um aus einem kleinen Satz von Übungsbildern zu lernen, so dass es rasch neu konfiguriert werden kann, um einen Produktwechsel zu unterstützen.


Verbesserung der Qualität

Verbessern Sie die Qualität.

Lokalisieren und erkennen Sie Fehler mit höchster Genauigkeit. Reduzieren Sie Nacharbeiten, begrenzen Sie qualitätsbedingte Stillstandszeiten und minimieren Sie Projektkosten. 


Simple to use

Quickly train HxGN Visual Detection to identify errors by drawing rectangles around scratches or dents in your sample image set.                         



Erweitern-Sie-Ihre-Qualitätslösung

Erweitern Sie Ihre Qualitätslösung

HxGN Visual Detection kann als eigenständige Anwendung verwendet oder in größere Fertigungszellen integriert werden. Erfahren Sie, wie es sich als Teil eines umfassenderen Ökosystems für Qualität in PC-DMIS Vision- und Optiv Vision-Systeme integrieren lässt. 

Erfahren Sie mehr

How HxGN Visual Detection works

Explore how HxGN Visual Detection leverages advanced machine learning to recognise surface defects based on training imagery.