OV Auto-Defect Creator Studio
Der Fehlergenerator mit generativer KI, der Ihre Trainingsdaten für Sie fertigt. Erstellen Sie fotorealistische synthetische Fehler für jede Oberfläche, jedes Material, jede Kameraauflösung.
Vor und nach der KI-Generierung.
Schneller als manuelle Fehlererfassung
Pro generiertem Bild
Genauigkeit der Fehlerplatzierung
Generierungen, keine Kontingente
Physikbewusst
Es fügt Fehler nicht ein. Es versteht sie.
Deterministische Werkzeuge wie Stable Diffusion stempeln einen Fehler auf die Pixel und hören dort auf. Unser Modell denkt über das Material, die Physik und das nach, was als Nächstes passiert, sodass jeder synthetische Fehler einer ist, dem Ihr Inspektionsmodell tatsächlich an der Linie begegnen könnte. Wischen Sie über ein Bild, um zu vergleichen, und wählen Sie dann ein anderes Teil.
01 / 08
Li-Ionen-Pouch-Zelle
Wie das Modell argumentiert hat
Kennt das Teil
Eine Pouch-Zelle ist ein Elektrodenstapel, getränkt in flüssigem Elektrolyt und in Folie versiegelt.
Wendet die Physik an
Ein Durchstich der Folie durchbricht eine versiegelte, gesättigte Zelle.
Rendert die Konsequenz
Elektrolyt tritt aus und verfärbt das Etikett rund um die Durchbruchstelle.
Ohne Physik: Ein Pixel-Kopierer bleibt beim Loch stehen: ein dunkler Punkt auf dem Etikett, die Chemie ignoriert.
Skalierung
Kratzer- und Dellenvariationen, generiert über Hunderte von SKUs, ohne ein einziges physisches Teil zu beschädigen.
Rundgang
Sehen Sie den Defect Creator in Aktion
Erfahren Sie, wie Hersteller KI-generierte synthetische Fehler nutzen, um die Einsatzzeit zu verkürzen und die Modellgenauigkeit zu steigern.
Was der Rundgang abdeckt
- Hochladen. Ein sauberes Referenzteil laden
- Markieren. Den Fehlerbereich einzeichnen
- Beschreiben. Art und Schweregrad beschreiben
- Generieren. Ein fotorealistischer synthetischer Fehler
Keine echten fehlerhaften Teile, keine manuelle Beschriftung. Eine saubere Referenz geht hinein, trainingsbereite Fehler kommen heraus.
Workflow
Fünf Schritte. Eine Pipeline.
Beschreiben Sie, was Sie brauchen. Die agentische Engine übernimmt das Hochladen, die Markierung, die Beschreibung und das Rendern, ganz ohne manuelles Compositing.
Hochladen
Ein sauberes Referenzteil ablegen
Markieren
Den Fehlerbereich auswählen
Beschreiben
Art und Schweregrad beschreiben
Generieren
Die Engine synthetisiert ihn
Exportieren
Direkt in Ihren Trainingsdatensatz
Fehlertaxonomie
Ein sauberes Teil. Jede Art, wie es versagt.
Neun Zustände desselben Steckverbinders: einer als gut fotografiert, acht generiert. Ein Fehlervokabular, das keine Produktionslinie auf Abruf inszenieren könnte.
Ergebnisse aus der Praxis
Ein kompletter Durchlauf, Bildschirm für Bildschirm.
Vollständige Studio-Sitzungen auf Produktionshardware: verbogene Pins auf einer Jetson-Platine, Mikrokratzer und Style-Transfer über verschiedene Oberflächen hinweg. Fahren Sie mit dem Mauszeiger über ein beliebiges Bild, um in das Detail zu zoomen.
Erzeugen Sie fotorealistische Fehler verbogener Pins auf hochdichten PCB-Steckverbindern. Mit einem NVIDIA Jetson Xavier als Referenz wählen Sie die genauen Pin-Reihen des Steckverbinders aus, beschreiben Winkel und Richtung der Biegung und lassen die KI realistische Pin-Schäden synthetisieren, wodurch Ihr Modell die seltenen Fehlerbeispiele erhält, die es braucht, ohne eine einzige echte Platine anzufassen.
4 Bilder · scrollen →
Schritt 1 - Laden und Konfigurieren
Die Hauptoberfläche des Defect Creator. Die Jetson-Xavier-Platine ist geladen, die Pin-Reihen sind hervorgehoben und die Einstellungen für Fehlerart und Schweregrad sind im rechten Bereich konfiguriert.
Schritt 2 - KI-Ergebnis
Das generierte Ergebnis: fotorealistische verbogene Pins, die an den exakt ausgewählten Stellen hinzugefügt wurden. Die KI bildet die korrekte Beleuchtung, den Pin-Schatten und die Metallverformung nach.
Detail - Auswahlmaske
Vergrößerte Ansicht der über den Pin-Steckverbinder gemalten Auswahlmaske. Die Präzision des Pinsels stellt sicher, dass Fehler nur an den Ziel-Pins erscheinen.
Detail - Finale Fehler
Vergrößertes Ergebnis, das synthetische Biegungen an den Pins zeigt. Beachten Sie den physikalisch plausiblen Verformungswinkel und den erhaltenen Metallglanz des Originalbilds.
Fähigkeiten
Die Werkzeuge, die die Arbeit erledigen.
Was nötig ist, um aus einem sauberen Referenzbild einen beschrifteten Trainingsdatensatz zu machen, aus dem Ihr Inspektionsmodell lernen kann.
KI-gestützte Fehlervorschläge
Laden Sie ein Produktbild hoch und die agentische Engine liest Oberflächenmaterialien, Textur und Beleuchtung aus und schlägt dann die wahrscheinlichsten Fehlerarten für das Teil vor.
Ihr Repository für synthetische Fehler
Automatisch verschlagwortet, indiziert und lokal in Ihrem Browser gespeichert. Keine Cloud-Uploads, keine Daten verlassen Ihren Rechner.
Schweregrad-Steuerung
Von kaum wahrnehmbaren Mikroanomalien bis hin zu katastrophalen Oberflächenschäden.
Stapelgenerierung
Reihen Sie Hunderte synthetischer Variationen in eine Warteschlange ein und lassen Sie die Engine sie autonom rendern.
Ein Fehler, jede Oberfläche
Rendern Sie einen echten Fehler auf jede saubere Referenz neu. Aus einem Riss werden Hunderte von Proben.
Berichte aus der Praxis
Was Ingenieure sagen.
Teams aus verschiedenen Branchen beschleunigen das Training von Deep-Learning-Modellen mit synthetischen Fehlerdaten.
Vollständiger Datensatz in unter einer Stunde.
“Früher verbrachten wir Wochen damit, Fehlerbilder für jede neue Produktlinie zu sammeln und zu beschriften. Die Modellgenauigkeit verbesserte sich sogar, weil die synthetischen Daten Randfälle abdeckten, die wir an der Linie nie erfasst haben.”
Monate an SKU-Abdeckung in Minuten.
“In einer Umgebung mit hoher Variantenvielfalt bedeutet jeder Wechsel neue Fehlerarten zum Trainieren. Die Engine erzeugte in Minuten Tausende fotorealistischer Variationen und veränderte unseren Zeitplan für den Einsatz.”
Von der Idee zum trainierten Modell an einem Nachmittag.
“Ich lud ein Referenzbild hoch, wählte die benötigten Fehlerarten aus und hatte in wenigen Minuten einen vollständigen synthetischen Datensatz. Keine Teile vorbereiten, kein Warten auf Ausschuss, keine manuelle Beschriftung.”
Einsätze
Anwendungsfälle.
Schritt-für-Schritt-Rundgänge durch das OV Auto-Defect Creator Studio im Einsatz an echten Fertigungsteilen. Sehen Sie genau, wie jede Sitzung funktioniert, Bildschirm für Bildschirm.
Referenz
Häufig gestellte Fragen.
Synthetische Fehlerdaten und das OV Auto-Defect Creator Studio.
Synthetische Fehlerdaten sind computergenerierte Fehlerbilder, die aus einem sauberen Referenzbild erstellt und nicht von echten fehlerhaften Teilen gesammelt werden. Das OV Auto-Defect Creator Studio rendert fotorealistische Fehler auf Ihre echten Produktbilder, jeder mit einer pixelgenauen Beschriftung versehen, sodass Sie ein Inspektionsmodell trainieren können, ohne darauf zu warten, dass echte Fehler an der Linie auftreten.
Sie erfassen saubere Referenzbilder, markieren eine Region und beschreiben den Fehler in einfacher Sprache. Das Studio generiert den Fehler auf der echten Oberfläche in etwa zehn Sekunden zusammen mit seiner Segmentierungsmaske. Wiederholen Sie dies pro Fehlerklasse und trainieren Sie dann auf der Edge-Kamera. Kein Code und keine Bildverarbeitungs-Entwicklung erforderlich.
Nur 15 Minuten von einem sauberen Referenzbild bis zum eingesetzten Modell für einen einzelnen Fehler-Workflow, im Vergleich zum monatelangen Zyklus aus Datenerfassung und Neutraining bei herkömmlicher Bildverarbeitung.
Der Style-Transfer rendert einen beschrifteten Fehler über Material- und Farbvarianten hinweg neu, zum Beispiel denselben Kratzer auf Holz, Laminat und Verbundwerkstoff. Linien mit hoher Variantenvielfalt decken jede Variante aus einem einzigen erstellten Fehler ab, sodass neue SKUs etwa 12,4-mal schneller eingebunden werden.
Nein. Die einzige Eingabe von der echten Linie sind saubere Referenzbilder guter Produkte. Jede Fehlerklasse wird synthetisch generiert, sodass Sie nie Teile beschädigen oder auf das Auftreten seltener Fehler warten müssen.
Beginnen Sie noch heute mit dem Aufbau Ihres synthetischen Datensatzes
Die Hersteller, die mit KI-Inspektion gewinnen, sind diejenigen, die das Problem der Trainingsdaten gelöst haben. Dieser Fehlergenerator ist der Weg, wie sie es geschafft haben.
Erkunden Sie das GenAI-Toolkit
Weitere agentische KI-Tools für Fertigungsteams
Integration Builder
Agentische KI-Flow-Generierung für industrielle Protokolle. Beschreiben Sie Ihre Automatisierungslogik in natürlicher Sprache und erhalten Sie einen produktionsreifen Flow.
Tool starten →
Expert Assistant
Technische KI-Beratung rund um die Uhr, trainiert auf der Dokumentation Ihres Produkts und bewährten Verfahren.
Chat starten →