AR-GE - Görüntü İşleme
Nesnelerin, fotoğraf veya video görüntülerinden tanınması, sınıflandırılması ve analiz edilmesi ile üretimden sağlığa, sosyal aktivitelerden şehirciliğe kadar pek çok alanda insanlar tarafından yapılması mümkün olmayan veya hata payı yüksek olan işlemler akıllı algoritmalar, derin öğrenme sistemleri yardımıyla daha kolay ve etkili şekilde yapılabilmektedir.
Barkod, kare kod ve OCR tekniklerinin de yardımıyla el yordamıyla yapılan takip, sayım ve kontrol işlemlerinin büyük kısmı görüntü işleme metotları ile yapılabilmektedir.
Çalışmalarda Python, C++ dilleri ile açık kod kütüphaneleri kullanılmaktadır.
Genel kullanım alanları aşağıdaki gibidir.
- Üretim takibi
- Kalite kontrol
- Kumaş üzerinde hata tespiti
- PCB üzerinde dizgi hatası tespiti
- Ambalaj baskı hatalarının tespiti
- Eksik dolum tespiti
- Eksik ürün tespiti
- Boya hata tespiti
- Hatalı montaj tespiti
- Çizik tespiti
- Varlık-Yokluk
- Desen kontrolü
- Renk tonlama kontrolü
- Çapak kontrolü
- Boyut ölçümleme
- Yırtık kontrolü (görüntü işleme ve ses işleme ile)
- Milimetrik ölçüm
- Sayma Uygulamaları
- Stok Sayımı
- Mağaza/Stadyum/İşyeri vb. giren çıkan insanların sayılması
- Trafik/Otopark/Sokak vb. giren çıkan araç sayımı
- Bant üzerinde akan ürünlerin sayılması
- Okul içinde/sınıflarda öğrenci sayımı-takibi-analizi
- Karakter Tanım Uygulamaları
- Barkod – karekod okuma
- Etiket – logo – marka okuma
- Üretim ve son kullanım tarihi okuma
- Devre üzerindeki karakterlerin okunması
- Analog/Dijital Sayaç okuma
Gelişmiş OCR Teknolojileri
Gelişmiş OCR Teknolojileri
Gelişmiş OCR Teknolojileri
Yapay Zeka Kontrolleri
Yapay Zeka Kontrolleri
Çapak Kontolü
Etiket Hata Kontrolü
Milimetre Altı Hassas Ölçüm Kontrolü
