text.skipToContent text.skipToNavigation

ONNX

通过 “图 – ONNX”像模块可以在 uniVision 3 硬件上直接运行人工智能模型。该技术为图像分类任务提供了灵活、快速的解决方案，无需额外的设备。与我们一起探索跨平台集成人工智能模型的优势！

使用 ONNX 人工智能模型直接在 wenglor 硬件上运行！

ONNX（开放式神经网络交换）是一种开放标准，可以将人工智能模型跨平台集成到不同应用中。使用 ONNX ，可以将在 PyTorch 或 TensorFlow 等不同开发环境中创建的人工智能模型转换为通用格式。因此，这些模型可以用于其他平台。

使用方便并且效率高

节省开发时间和资源！

“图 – ONNX”像模块减少了数据处理工作量，因为可以将人工智能模型轻松地导入 uniVision 3 并在其中运行。

应用灵活

将人工智能与基于规则的图像处理相结合！

“图 – ONNX” 像模块可以集成到 uniVision 3 的工作流程中，并可与基于规则的图像处理模块任意组合。

可以扩展并且不受平台的影响

将人工智能模型用于不同的硬件上！

ONNX 模型既可用于 B60 系列 Smart Camera，也可用于机器视觉控制器。

易于集成

从现有工业接口中获益！

在生产过程中，可以直接通过 uniVision 3 的现有通信基础设施对结果进行进一步处理。

在 uniVision 3 中使用带有 ONNX 的人工智能模型

“图 – ONNX”像模块提供用于图像分类的人工智能功能。现有 ONNX 模型可以无缝集成到工作流程中，并可直接用于工业图像处理。使用热图可视化功能可以检查模型的性能。

在硬件兼容性很强时性能优异

wenglor 机器视觉硬件使用 uniVision 3 软件可为 ONNX 模型的高效运行提供最佳条件。

B60 系列 Smart Camera 配有集成的神经处理单元 (NPU) ，该单元在加快人工智能计算方面进行了专门优化。这样可以快速可靠地执行复杂的任务，如图像分类。
MVC 系列机器视觉控制器利用 OpenVINO 硬件加速平台高效地运行 ONNX 模型，同时最大程度地减少资源消耗。

使用 uniVision 3 获得可扩展的解决方案，以将人工智能简便地集成到您的工业图像处理应用中！

无缝集成，最大程度提高生产效率：使用 ONNX 和 uniVision 3 的工作流程

什么是图像处理方面的人工智能分类？

在图像处理中，人工智能分类使用卷积神经网络 (CNN) 。这些神经网络分析图像，并根据特定特征将其归类到预定义的类别。在此过程中，系统学习区分各个类别的典型属性。
如果拍摄新图像，人工智能模型会为其提供关于所有可能类别的概率分布（评分）。概率最高的类别视为模型预测。例如，这样可以自动区分合格 (OK) 和不合格 (NOK) 部件。除了二进制分类（OK/NOK）外，该模型还可区分多个错误类别。
为了使人工智能的决策逻辑更加透明，还会生成一个热图，该热图可对模型分类影响最大的图像区域进行可视化。因此，用户可以更好地了解哪些特征导致了模型的决策。

一个例子是注塑生产的质量控制。在此可能会出现不同的错误类型，人工智能模型可以对其进行精确的识别和分类。由于这些错误通常以不同的形式和特征出现，人工智能分类要比基于规则的方法更加灵活和精确。通过将人工智能与传统图像处理相结合，该系统性能特别出色，从而可以实现稳定且可靠的质量控制。