OV Auto-Defect Creator Studio
El generador de defectos con IA generativa que manufactura sus datos de entrenamiento por usted. Cree defectos sintéticos fotorrealistas para cualquier superficie, cualquier material, cualquier resolución de cámara.


Antes y después de la generación con IA.
Más rápido que la recolección manual de defectos
Por imagen generada
Precisión de colocación de defectos
Generaciones, sin cuotas
Consciente de la Física
No pega defectos. Los entiende.
Las herramientas deterministas como Stable Diffusion estampan un defecto sobre los píxeles y ahí se detienen. Nuestro modelo razona sobre el material, la física y lo que sucede a continuación, de modo que cada defecto sintético es uno que su modelo de inspección podría encontrar realmente en la línea. Deslice sobre una imagen para comparar, luego elija otra pieza.


01 / 08
Celda de Bolsa de Ion-Litio
Cómo razonó el modelo
Conoce la pieza
Una celda de bolsa es una pila de electrodos empapada en electrolito líquido, sellada en lámina metálica.
Aplica la física
Perforar la lámina rompe una celda sellada y saturada.
Renderiza la consecuencia
El electrolito rezuma y mancha la etiqueta alrededor de la rotura.
Sin física: Un pega-píxeles se detiene en el agujero: un punto oscuro impreso en la etiqueta, ignorando la química.
Escala
Variaciones de rayones y abolladuras generadas en cientos de SKUs, sin dañar una sola pieza física.






































Recorrido
Vea el Defect Creator en acción
Descubra cómo los fabricantes están usando defectos sintéticos generados por IA para reducir el tiempo de despliegue y mejorar la precisión de sus modelos.
Qué cubre el recorrido
- Subir. Cargue una pieza de referencia limpia
- Marcar. Pinte la región del defecto
- Describir. Describa el tipo y la severidad
- Generar. Un defecto sintético fotorrealista
Sin piezas defectuosas reales, sin etiquetado manual. Entra una referencia limpia, salen defectos listos para entrenar.
Flujo de Trabajo
Cinco pasos. Un pipeline.
Describa lo que necesita. El motor agéntico se encarga de la carga, el marcado, el prompt y el renderizado, sin composición manual.
Subir
Suelte una pieza de referencia limpia
Marcar
Seleccione el área del defecto
Describir
Describa el tipo y la severidad
Generar
El motor lo sintetiza
Exportar
Directo a su conjunto de entrenamiento
Taxonomía de defectos
Una pieza limpia. Todas las formas en que falla.
Nueve estados del mismo conector: uno fotografiado en buen estado, ocho generados. Un vocabulario de defectos que ninguna línea de producción podría escenificar bajo demanda.









Resultados de Campo
Una ejecución completa, pantalla por pantalla.
Sesiones completas del estudio en hardware de producción: pines doblados en una placa Jetson, micro-rayones y transferencia de estilo entre superficies. Pase el cursor sobre cualquier fotograma para ampliar el detalle.
Genere defectos fotorrealistas de pines doblados en conectores PCB de alta densidad. Usando un NVIDIA Jetson Xavier como referencia, seleccione las filas exactas de pines del conector, describa el ángulo y la dirección del doblez, y deje que la IA sintetice daños realistas en los pines, dando a su modelo los ejemplos de defectos raros que necesita sin tocar una sola placa real.
4 fotogramas · desplace →Capacidades
Las herramientas que hacen el trabajo.
Lo que se necesita para convertir una imagen de referencia limpia en un conjunto de entrenamiento etiquetado del que su modelo de inspección pueda aprender.
Sugerencias de defectos impulsadas por IA
Suba la imagen de un producto y el motor agéntico lee los materiales de la superficie, la textura y la iluminación, luego propone los tipos de defectos más probables para la pieza.

Su repositorio de defectos sintéticos
Auto-etiquetado, indexado y almacenado localmente en su navegador. Sin cargas a la nube, ningún dato sale de su máquina.

Control de severidad
Desde micro-anomalías apenas perceptibles hasta daño superficial catastrófico.

Generación por lotes
Ponga en cola cientos de variaciones sintéticas y deje que el motor las renderice de forma autónoma.

Un defecto, todas las superficies
Vuelva a renderizar un defecto real sobre cualquier referencia limpia. Una grieta se convierte en cientos de muestras.

Reportes de Campo
Lo que dicen los ingenieros.
Equipos de diversas industrias están acelerando el entrenamiento de modelos de aprendizaje profundo con datos de defectos sintéticos.
Dataset completo en menos de una hora.
“Solíamos pasar semanas recolectando y etiquetando imágenes de defectos para cada nueva línea de producto. La precisión del modelo realmente mejoró porque los datos sintéticos cubrieron casos extremos que nunca capturamos en la línea.”
Meses de cobertura de SKUs en minutos.
“En un entorno de alta mezcla, cada cambio de producto significa nuevos tipos de defectos para entrenar. El motor produjo miles de variaciones fotorrealistas en minutos, cambiando nuestro cronograma de despliegue.”
De la idea a un modelo entrenado en una tarde.
“Subí una imagen dorada, seleccioné los tipos de defectos que necesitaba y tuve un dataset sintético completo en minutos. Sin preparar piezas, sin esperar rechazos, sin etiquetado manual.”
Implementaciones
Casos de uso.
Recorridos paso a paso del OV Auto-Defect Creator Studio ejecutándose en piezas de manufactura reales. Vea exactamente cómo funciona cada sesión, pantalla por pantalla.
Referencia
Preguntas frecuentes.
Datos de defectos sintéticos y el OV Auto-Defect Creator Studio.
Los datos de defectos sintéticos son imágenes de defectos generadas por computadora a partir de una imagen de referencia limpia en lugar de recolectadas de piezas defectuosas reales. El OV Auto-Defect Creator Studio renderiza defectos fotorrealistas sobre sus imágenes de producto reales, cada uno con una etiqueta a nivel de píxel, para que pueda entrenar un modelo de inspección sin esperar a que ocurran defectos reales en la línea.
Usted captura imágenes de referencia limpias, marca una región y describe el defecto en lenguaje sencillo. El estudio genera el defecto sobre la superficie real en unos diez segundos junto con su máscara de segmentación. Repita por cada clase de defecto, luego entrene en la cámara de borde. No se requiere código ni ingeniería de visión artificial.
Tan solo 15 minutos desde una imagen de referencia limpia hasta un modelo desplegado para un flujo de trabajo de un solo defecto, frente al ciclo de recolección de datos y reentrenamiento de varios meses de la visión artificial tradicional.
La Transferencia de Estilo vuelve a renderizar un defecto etiquetado en variantes de material y color, por ejemplo el mismo rayón en madera, laminado y compuesto. Las líneas de alta mezcla cubren cada variante a partir de un único defecto creado, de modo que los nuevos SKUs se incorporan aproximadamente 12.4 veces más rápido.
No. La única entrada de la línea real son imágenes de referencia limpias de producto en buen estado. Cada clase de defecto se genera de forma sintética, por lo que nunca daña piezas ni espera a que aparezcan defectos raros.
Comience a Construir su Dataset Sintético Hoy
Los fabricantes que están ganando con la inspección por IA son los que resolvieron el problema de los datos de entrenamiento. Este generador de defectos es cómo lo lograron.
Explore el Kit de Herramientas GenAI
Más herramientas de IA agéntica para equipos de manufactura
Integration Builder
Generación de flujos con IA agéntica para protocolos industriales. Describa su lógica de automatización en lenguaje natural, obtenga un flujo listo para producción.
Iniciar Herramienta →Expert Assistant
Consulta técnica 24/7 impulsada por IA, entrenada en la documentación de su producto y mejores prácticas.
Iniciar Chat →








