Sebbene l'intelligenza artificiale eccella nella selezione di difetti superficiali non rilevabili con i metodi tradizionali, la sua implementazione pone sfide quali l'affidabilità, le prestazioni, la produttività e la flessibilità. Per affrontare queste sfide è necessario gestire l'addestramento delle reti neurali senza campioni adeguati, con un impatto sui tassi di falsi rifiuti e sui tassi di selezione.

Il progetto pilota del KITT4SME Dimac si concentra sulla sperimentazione della realtà aumentata come strumento per espandere il database di immagini difettose per l'addestramento dell'IA. Il risultato amplia la portata dell'IA a contesti precedentemente ritenuti impossibili, avvicinandosi alle prestazioni degli algoritmi tradizionali di visione artificiale.

Questo webinar è consigliato alle aziende interessate al controllo di qualità guidato dall'IA, al di là del settore della produzione di elementi di fissaggio. È altrettanto importante per i ricercatori e per chiunque sia interessato alla tecnologia AI.