여러 방법이 있을 듯 싶지만 여러 네트워크를 이용해서 각 불량을 학습시키면 어떨까 싶습니다.
회전 속도가 어떤가 싶습니다. 고속 카메라를 통해 흔들림 없이 이미지를 취득가능하면 가능할 듯 싶습니다.
많은 수의 정상적인 원본데이타 있다면 가능하지 않을까 싶습니다.
네 관점이 기본 엔진이라는 문의하셔서 너훈님 말씀 처럼 network 모델 과점이라면 그럴 수 있겠네요
죄송하지만 카메라 가격에 대해서는 저희 홈페이지를 통해서 문의 부탁 드릴께요.
죄송하니지만 그 부분은 정확히 말씀 해 드리기 함든 점 이해 주시길 바랍니다.
1. DeepLearning의 기본 엔진은 모두 nvidia의 cuda(cudnn)기반이라 국산이라고 말씀드리가 힘들겠네요. 2. 산업용에 특화된 데이타의 경우 대부분 분류가 되어있고 DB화 되어 있어 검색이나 지연 문제는 문제가 되지 않았네요.
네 맞습니다. 기존 오픈된 알고리즘에서 산업용에 맞게 저희 만의 알고리즘으로 특화 시켰습니다.
산업 현장에서 필요한 정확도 및 처리 속도 문제로 기존 알골리즘 및 Framework 기반으로 저희만의 딮러닝 알고리즘 및 framework(Train) 최적화 시켰습니다.
이 부분은 시료의 특성에 따라 달라지므로 일반화 시켜 말씀 드리기 힘들지만 적어도 train시키기 위해 최소 class마다 20장 이상을 요청 드리고 있습니다.
NAVI라는 framework을 이용하여 바로 사용이 가능한 부분도 있고 라이브러리 형태로 제공해 드립니다.
시료는 고객사에서 데이타를 취득해서 저희에게 주거나 실제 촬영을 통해 취득합니다. train set밍 test set을 분리하여 신뢰성을 측정합니다.
분류인 classification뿐만 아니라detect/segmentation 분야 이용합니다.
시료와 적용 범위에 따라 달라져서 일반화 시켜 답변 드리기 힘든 점이 있습니다. 기존 로직을 이용한 검사도 잘되는 시료가 있지만 복잡한 유형 분류나 기즈와 같은 경우 기존 비전 검사 보다 월등한 성과를 가져 오네요. 자세한 내용은 저희 블로그를 참조 하시길 바랍니다.
알고리즘을 어떤 것을 사용하기에 따라 달라지기하지만 저희 쪽 에서는 GPU을 이용하여 생산 속도를 맞추었습니다.
네 PC에서는 인텔 기반의 CPU을 사용하고 DeepLearning을 이용하기 위해서 GPU을 이용하기 합니다. 스마트 카메라에서 임베디드 기반의 MCU을 사용합니다.
nVidia에서 나온 임베디드용 칩셋 입니다.
네 당연히 일반 카메라에 비해 많이 비싸지네요.
네 스마트 카메라에서 PC에서 사용하는 모든 알고리즘을 이용하기 힘들고 바코드/OCR/Fitting 등에 사용이 됩니다. 최근에는 TX2 기반 스마트 카메라를 구현하여 PC에서 DeepLearning알고리즘을 구현이 되었습니다.
필요에 따라 리퀴드 렌즈를 고려하기도 하네요
