TDK宣布推出TDK SensEI的edgeRX Vision产品,AI驱动的高速缺陷检测系统,突破超小型产品缺陷检测

内容摘要TDK宣布推出TDK SensEI的edgeRX Vision产品,AI驱动的高速缺陷检测系统,突破超小型产品缺陷检测TDK宣布推出TDK SensEI的edgeRX Vision产品,AI驱动的高速缺陷检测系统,突破超小型产品缺陷检测2

联系电话:400-962-3929

TDK宣布推出TDK SensEI的edgeRX Vision产品,AI驱动的高速缺陷检测系统,突破超小型产品缺陷检测
TDK宣布推出TDK SensEI的edgeRX Vision产品,AI驱动的高速缺陷检测系统,突破超小型产品缺陷检测 2025年07月16日 09:07 电子产品世界

●   TDK 揭晓了旗下 TDK SensEI 最新产品线——edgeRX Vision,这是一款搭载先进人工智能的超高速缺陷检测系统,可对客户的产品图像及视频进行智能化解析与特征提取,以极高的精度识别小至1 毫米的组件。

●   该检测系统通过减少误报和最大限度减少停机时间来提高生产效率,检测速度高达每分钟2000个零件。

TDK 公司近日揭晓了最新的 TDK SensEI 产品线——edgeRX Vision

edgeRX Vision 是一款高速缺陷检测系统,可对客户的产品图像或视频进行解析,能够以极高的精度识别小至 1 毫米×0.5 毫米的组件。

该系统搭载Transformer 架构的先进人工智能模型,通过自监督学习与实时特征提取算法,实现毫米级的高精度缺陷检测,误报率较传统机器视觉系统大幅降低。edgeRX Vision 与 TDK SensEI 的 edgeRX 平台及传感器形成端边协同的智能检测网络,增强现有的硬件基础设施,最大限度减少不必要的机器停机,显著提升生产流程的连续性与能效比。其检测运行速度可达每分钟2000个零件,减少停机时间可为制造场景创造更多有效生产时间,这使得 edgeRX Vision 成为高吞吐制造领域的核心 AI 质检解决方案。

edgeRX Vision 核心优势主要体现在三方面:

●   高精度产品缺陷检测

●   自适应学习和持续改进

●   减少误报和漏报

●   跨产品线的可扩展性

基于人工智能的机器视觉已经发展成为一项高度先进且可靠的技术,因其速度、精度和自适应性而得以在各行业得到广泛采用。edgeRX Vision系统独特优势在于利用边缘人工智能实时处理视觉数据,减少延迟并降低对云基础设施的依赖。基于Transformer的架构以及 DINOv2 和 SAM 等统一模型来实现多种视觉任务,如缺陷检测、区域分割和类型分类,而无需进行特定任务的重复训练模型。通过自监督学习和少样本学习,这些系统的标签效率也在不断提高,降低了数据准备成本,可快速掌握新缺陷的特征,尤其适合新产品快速导入时的检测需求。与语言模型的集成引入了多模态能力,使人机交互更加直观。随着这些增强功能和新能力给行业带来的变革,现在正是 TDK SensEI 向市场推出 edgeRX Vision 的关键时刻。人工智能驱动的视觉系统比以往任何时候都更具可扩展性、稳健性和成本效益,使其成为高吞吐生产环境的必备检测工具。

“edgeRX Vision 将通过高速、边缘端运行的人工智能缺陷检测,进一步增强我们现有的自动光学检测(AOI)能力,”TDK 组件美国公司首席执行官 Ken Takekawa 表示。它能够以极高的精度处理甚至最小的片式多层陶瓷电容器(MLCC),尺寸小至 1 毫米×0.5 毫米。通过在我们现有硬件上部署人工智能,我们通过减少误报显著降低了生产总成本。这一改进将减少因过度检测导致的机器停机,从而大幅提高生产吞吐量。以每分钟 2000 个零件的速度运行,即使是微小的时间节省也能转化为可观的收入增长。

“edgeRX Vision 的推出是我们将智能自动化引入工厂车间这一使命中的重要里程碑,”TDK SensEI 首席执行官 Sandeep Pandya 表示。“借助人工智能的力量,edgeRX Vision 提供精确、实时的缺陷检测,提高运营效率和产品质量。该解决方案与我们的 edgeRX 传感器无缝协作,扩展了 edgeRX 平台的功能,为制造商应对高速生产挑战提供了更智能、更集成的方法。”

术语表

●   边缘人工智能:直接在本地硬件(边缘设备)上部署人工智能模型,无需将数据发送到云端即可进行实时数据处理

●   基于Transformer的架构:一类深度学习模型(例如视觉Transformer或ViTs),利用注意力机制处理视觉数据,比传统的卷积神经网络(CNNs)性能更优。

●   统一视觉模型:像 DINOv2 和 Segment Anything Model(SAM)这类人工智能模型,无需为每个任务单独建立模型,就能执行多种视觉任务(如检测、分割和分类)。

●   少样本学习:模型仅从极少数示例中就能学习新任务或识别新模式的能力

●   多模态人工智能:结合不同类型数据(如图像和文本)来执行视觉问答或图像 描述 等任务的系统。例如 跨模态交互和 结合图像生成文本描述等模型。

●   误报/漏报:在缺陷检测中,误报是指将合格的零件错误地标记为有缺陷;漏报是指没能发现有缺陷的零件。

●   自动光学检测(AOI:Automatic Optical Inspection)

主要应用领域

●   电子制造

●   制药领域

●   食品饮料

主要特点和优势

●   提升产品质量:确保对缺陷的持续检测,从而提高输出质量

●   减少误报:最大限度减少不必要的拒收,保持生产线平稳运行

●   提高吞吐量:在不影响准确性的前提下实现更快的检测,提高生产效率

●   降低运营成本:通过自动化检测和减少返工,降低劳动力成本和浪费

 
举报 收藏 打赏 评论 0
今日推荐
浙ICP备19001410号-1

免责声明

本网站(以下简称“本站”)提供的内容来源于互联网收集或转载,仅供用户参考,不代表本站立场。本站不对内容的准确性、真实性或合法性承担责任。我们致力于保护知识产权,尊重所有合法权益,但由于互联网内容的开放性,本站无法核实所有资料,请用户自行判断其可靠性。

如您认为本站内容侵犯您的合法权益,请通过电子邮件与我们联系:675867094@qq.com。请提供相关证明材料,以便核实处理。收到投诉后,我们将尽快审查并在必要时采取适当措施(包括但不限于删除侵权内容)。本站内容均为互联网整理汇编,观点仅供参考,本站不承担任何责任。请谨慎决策,如发现涉嫌侵权或违法内容,请及时联系我们,核实后本站将立即处理。感谢您的理解与配合。

合作联系方式

如有合作或其他相关事宜,欢迎通过以下方式与我们联系: