최신 딥러닝 알고리즘을 통해 탄생한 AI VISION, 물체인식 정확도를 크게 개선합니다.
사람 인식, 동물 인식 등 학습 데이터에 따라 다양한 형태로 사용이 가능하며 디스플레이, PCB, 필름, 반도체 등 제조산업의 각 제조품에 대한 딥러닝 머신비전 검사 인공지능으로 활용할 수 있습니다.
이미지 분석을 통해 이미지 구성요소를 영역 형태로 정확히검출합니다.
적용 사례 : 태양광 패널, 디스플레이 등
각 이미지를 사전 정의된 Class에 맞게 정확히 분류합니다.
적용 사례 : 불량여부 판정 등
이미지 분석을 통해 학습한 각 개체 Class를 인식하고 영역에 대한 좌표 데이터를 출력합니다.
적용 사례 : 불량 요소 색출 등
학습 데이터가 없어도 아래의 인공지능은 바로 사용할 수 있습니다.
제품 생산에서 QC는 무엇보다 중요한 요소입니다. 정상품/불량품의 이미지를 학습하여 제품에 최적화된 불량판정 인공지능을 만들고 불량 분류 및 영역 검출을 통해 공정을 재정비하여 QC 수준을 효율적으로 증가시킬 수 있습니다.
Human Error로 인하여 인간의 눈으로 모든 결점을 파악하는 것은 불가능에 가깝습니다. 비환자와 환자의 의료이미지를 학습하여 개발한 인공지능은 의료진단의 훌륭한 보조도구로 활용할 수 있습니다.
각종 광학 카메라를 통해 수집되는 영상 속의 사람, 얼굴, 행동, 물체 등을 자동 인식하고 분류할 수 있습니다. 딥러닝 기반의 모니터링 자동화를 통해 모니터링 상주 인력을 더욱 효율적으로 활용할 수 있습니다.
고객 분석 / 마케팅 / 보험 등 산업군에 맞는 인공지능을 생성하여 비지니스의 문제점을 해결합니다.
제조 공장에서 생산되는 생산품은 시장으로 출하되기 전, 품질 검사가 매우 중요합니다. 고객에게 불량품이 전달되는 일이 없도록 불량품 이미지를 학습하여 불량 판정을 자동화할 수 있습니다.
환자의 여러 특징 데이터를 활용하여 의료보험비용을 예측하거나, 특징의 중요도 분석을 통해 의료보험비용에 큰 영향을 미치는 것이 무엇인지 확인할 수 있습니다.
최근 금융 서비스 부문의 마케팅이 AI도입을 시작하고 있습니다. 초기 마케터들은 방대한 데이터를 가지고 패턴화하여 분석 결과를 통해 기존 고객들에 대한 마케팅 방식을 개선하였습니다다. 하지만 점점 늘어나는 데이터를 유지 관리하고 분석하며 패턴을 만들어 예측하는 것도 쉽지않은 일입니다.
인공지능을 통해 영업 / 마케팅 / 재고 관리 / 인사 관리 등 경영에 필요한 의사 결정 정확도를 높여주고, 귀사가 속한 산업군에 맞는 인공지능을 제한없이 도입할 수 있습니다.
