에 의해서 webmaster | 12월 23, 2024 | 인사이트 리포트
3D 비전(2) AI를 접목해 활용도를 더욱 높여보세요 Chloe Woo | Content Strategist Toggle 1. 딥러닝 기반 3D 데이터 처리2. 로봇과의 통합3. 3D 재구성 및 시뮬레이션4. 3D 객체 추적과 행동 분석5. AI 기반 3D 비전의 초고해상도 구현6. 엣지 컴퓨팅을 통한 실시간 3D 분석7. 3D 비전의 다중 센서 통합8. AI 기반 품질 관리와 결함 감지 1. 딥러닝 기반 3D 데이터 처리 딥러닝 기술이 3D 비전에도 적용되면서, 3D...
에 의해서 webmaster | 11월 5, 2024 | 타이어, 품질관리
3단계 품질검사 파이프라인으로 타이어 원단의 불량 유무&위치&유형을 자동 검사한 사례 Challenge 타이어 원단을 만드는 압연공정에 자동 품질검사 부재(육안 검사) 원단 자체 불량으로 인한 완성품 폐기 Approach 3단계 품질검사 파이프라인 구축 1. Anomaly Detection: 실시간 이상 감지를 통해 불량 유무 판단 2. Classification: 불량 유형 분류 3. PLC 설비 데이터 수신: 불량 위치 계산...
에 의해서 webmaster | 10월 17, 2024 | 인사이트 리포트
도메인 특화 대규모 비전 모델(LVM)이 온다 Chloe Woo | Content Strategist 일반 LVM vs. 도메인 특화 LVM (1) 도메인 특화 LVM의 등장 배경 LVM(Large Vision Model)이 컴퓨터 비전 분야에서 놀라운 성과를 보여준 것은 사실이지만, 이를 실제 산업에서 응용하려고 하자 한계가 드러났습니다. 언어의 경우, 일상에서 사용하는 한국어의 구조와 전문 영역에서 사용하는 한국어의 구조가 (전문 용어만...
에 의해서 webmaster | 9월 13, 2024 | 인사이트 리포트
3D 비전(1) 3D 카메라의 원리 네 가지! Chloe Woo | Content Strategist Toggle 3D 비전이란?3D 비전의 주요 구성 요소(1) 3D 카메라와 센서(2) 이미지/영상 처리 소프트웨어(3) 데이터 처리 및 분석3D 비전을 활용해야 하는 이유(1) 정확한 깊이 정보 제공(2) 복잡한 형태의 객체 처리(3) 정확한 위치 및 방향 정보 제공(4) 향상된 결함 감지(5) 효율적인 검사 시간3D 카메라의 원리 4가지(1) 스테레오 비전(2) 구조화...
![[AIOps 2편] 제조 데이터 수집, AI 도입 고민? 통합적 AIOps로 해결하세요](https://ahha.ai/wp-content/uploads/2024/07/data-camp-dashboard_en-1080x675.jpg)
에 의해서 webmaster | 9월 6, 2024 | 인사이트 리포트
[AIOps 2편] 제조 데이터 수집, AI 도입 고민? 통합적 AIOps로 해결하세요 Chloe Woo | Content Strategist 제조에서 AIOps의 장점 제조업은 복잡한 IT 환경과 OT가 결합된 산업으로, 이러한 복잡성을 관리하고 최적화하기 위한 필수 역할을 AIOps가 수행할 수 있습니다. 다음은 제조기업이 AIOps를 도입할 때 기대할 수 있는 주요 이점입니다. (1) 운영 효율 향상 제조업 환경에서는 다양한 기계와 장비가 상호 연결되어 있으며, 이를...
