La inspección automatizada de cáscaras de huevo permite a los productores mantener una clasificación de calidad uniforme en líneas de producción de alta velocidad. SolVision utiliza aprendizaje profundo para detectar grietas y poros, clasificar los huevos según el estado de la cáscara y reducir la dependencia de la inspección manual.
SolVision utiliza visión artificial basada en IA para inspeccionar alimentos procesados en líneas transportadoras en movimiento, identificando defectos visuales como cocción excesiva, quemaduras, exceso de grasa y productos unidos entre sí, a pesar de las variaciones en su apariencia y posición.
Un fabricante asiático de alimentos congelados utilizó META-aivi para facilitar la inspección de calidad alimentaria en tiempo real, ayudando a los trabajadores a detectar cuerpos extraños en los ingredientes mediante IA y RA durante la producción.
Descubra cómo SolVision utiliza visión basada en IA para detectar defectos superficiales irregulares en frascos de fragancia con degradado de color durante la inspección de calidad automatizada.
META-aivi combina visión con IA y gafas de RA para ayudar a los operarios a identificar componentes de PCB ausentes o colocados incorrectamente y registrar los resultados para su análisis de calidad.
Descubra cómo META-aivi combina RA + visión con IA para guiar el ensamblaje de PCB, verificar los pasos de los SOP en tiempo real y reducir la dependencia de la inspección manual posterior al ensamblaje.
SolVision inspecciona PCB ensambladas para detectar componentes faltantes y errores de ensamblaje, facilitando controles de calidad consistentes en distintos diseños de placa.
Un fabricante de cintas utilizó SolVision para inspeccionar materiales con distintos colores, patrones y texturas en busca de agujeros, nudos y puntadas rotas. La detección de defectos en tejidos basada en IA permitió realizar inspecciones de calidad más uniformes y mejorar la trazabilidad de la producción.
Una empresa farmacéutica multinacional utilizó SolVision para inspeccionar comprimidos con IA y detectar cambios de forma, tamaño, color, textura, etiquetado y calidad superficial. El sistema redujo la necesidad de realizar inspecciones manuales y permitió incorporar nuevos tipos de defectos.
