Si bien la IA destaca en la selección de defectos superficiales indetectables por métodos tradicionales, su implementación plantea retos como la confiabilidad, el rendimiento, la productividad y la flexibilidad. Abordar estos retos incluye gestionar el entrenamiento de redes neuronales sin muestras adecuadas, lo que afecta a las tasas de rechazo falso y de selección.

The KITT4SME Dimac’s pilot focuses on testing augmented reality as a tool to expand the defective image database for AI training. The result broadens AI’s scope to previously deemed impossible contexts, approaching the performance of traditional computer vision algorithms.

Este seminario web está recomendado para empresas interesadas en el control de calidad basado en IA, más allá del sector de la producción de elementos de fijación. También es relevante para investigadores y cualquier persona interesada en la tecnología de IA.