康耐視推出適用於機器人的 AI 驅動視覺系統

康耐視(Cognex Corporation)的 In-Sight 3900 視覺系統。| 來源:康耐視
康耐視公司本週推出 In-Sight 3900 視覺系統。這款完全整合的視覺系統專為在邊緣運算環境中提供卓越的速度、精準度與解析度而設計。據該公司表示,此系統讓製造商能在不犧牲產能或操作簡易性的前提下,執行嚴格的檢測作業。
「In-Sight 3900 標誌著工廠現場嵌入式 AI 視覺能力的重大突破,」康耐視總裁兼執行長 Matt Moschner 表示。「製造商不再被迫在檢測深度與生產線速度之間做出取捨。我們開發的這套系統能同時兼顧兩者,並維持康耐視一貫的可靠性與易用性。」
這套最新系統建基於康耐視新一代的嵌入式 AI 視覺技術,並採用高通 Dragonwing 平台。康耐視指出,In-Sight 3900 消除了舊式視覺系統中常見的「檢測深度與生產線速度」之間的權衡取捨。
透過整合康耐視自主研發的邊緣 AI、進階 AI 及基於規則的視覺工具,並結合高效能嵌入式運算,該系統能在全速生產狀態下實現確定性、即時的檢測。此系統專為包裝、汽車、電子及消費品領域的次世代應用而設計。
「我們的包裝生產線運行速度極快,這曾使我們受限於傳統 OCR 工具,」富士密封(Fuji Seal)工程經理 Andrea Sabbadini 解釋道。「In-Sight 3900 現在讓我們能夠在維持全速生產的同時,部署康耐視的 Edge AI Read 工具,且無需犧牲產能。這使得我們的檢測流程更為穩健,不僅設定更快速,在各營運環節的維護也更為簡便。」
康耐視實現邊緣 AI
該系統的主要特點包括:
大規模處理速度提升 4 倍:In-Sight 3900 的檢測速度比上一代康耐視視覺系統快達 4 倍。它能最大化生產線速度,並消除大批量生產中的瓶頸。高達 2500 萬畫素的高解析度成像:系統支援高達 2500 萬畫素的解析度,提供更寬廣的視野、更精確的測量以及更強大的缺陷檢測能力——所有這些功能皆可透過單次影像擷取實現。即時、高吞吐量的邊緣運算:內建的 AI 加速功能與最佳化的處理流程,確保能與高速生產線同步進行確定性、即時的檢測。工業級連線能力:雙乙太網路架構確保與 PLC、機器人及企業系統之間能進行可靠的通訊。康耐視基於其最新的嵌入式 AI 架構打造了 In-Sight 3900。該平台配備專用高效能 AI 處理器,可在邊緣端直接進行快速且確定的決策。
In-Sight 3900 支援邊緣 AI 工具,可實現快速部署與穩定檢測;同時具備適用於複雜多變應用場景的高階 AI 工具,並支援免電腦運作模式,從而簡化驗證、部署及生命週期管理流程。
「康耐視拓展了邊緣嵌入式 AI 視覺的應用可能性,」高通資深副總裁 Shyam Krishnamurthy 表示。「我們很榮幸高通技術能為這項突破提供動力,並期待這項合作能持續造福那些需要在全速生產狀態下執行嚴苛檢測的製造商。」
當 In-Sight 3900 與 Cognex OneVision 整合時,便成為可擴展的「雲端到邊緣」AI 視覺生態系統的一部分。OneVision 簡化了模型開發、跨站點協作及跨裝置部署流程,讓製造商能夠集中訓練 AI 模型,同時以生產線速度在本地執行檢測。
相關文章
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期,OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標,導致本週二科技股承壓,但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認,儘管媒體報導負面,他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段,因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力,但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同,競爭對手 Anthropic 獲得了
加州自動駕駛合規:罰單、地理圍欄與 100 萬英里的新時代
Guident 在南佛羅里達州營運一輛 AuveTech 接駁車,並運用其遠端監控技術,管理西棕櫚灘的一條四英里路線以及博卡拉頓的一條一英里路線。| 圖片來源:Guident加州正重新定義無人駕駛車輛的監管格局,從科技產業的「快速行動、打破常規」心態,轉向嚴格的問責制與嚴謹的行駛里程要求。Guident 執行董事長兼執行長哈羅德·布勞恩(Harold Braun)在《機器人報告》(The Robo
相關專題推薦
評論 (0)
0/500

康耐視(Cognex Corporation)的 In-Sight 3900 視覺系統。| 來源:康耐視
康耐視公司本週推出 In-Sight 3900 視覺系統。這款完全整合的視覺系統專為在邊緣運算環境中提供卓越的速度、精準度與解析度而設計。據該公司表示,此系統讓製造商能在不犧牲產能或操作簡易性的前提下,執行嚴格的檢測作業。
「In-Sight 3900 標誌著工廠現場嵌入式 AI 視覺能力的重大突破,」康耐視總裁兼執行長 Matt Moschner 表示。「製造商不再被迫在檢測深度與生產線速度之間做出取捨。我們開發的這套系統能同時兼顧兩者,並維持康耐視一貫的可靠性與易用性。」
這套最新系統建基於康耐視新一代的嵌入式 AI 視覺技術,並採用高通 Dragonwing 平台。康耐視指出,In-Sight 3900 消除了舊式視覺系統中常見的「檢測深度與生產線速度」之間的權衡取捨。
透過整合康耐視自主研發的邊緣 AI、進階 AI 及基於規則的視覺工具,並結合高效能嵌入式運算,該系統能在全速生產狀態下實現確定性、即時的檢測。此系統專為包裝、汽車、電子及消費品領域的次世代應用而設計。
「我們的包裝生產線運行速度極快,這曾使我們受限於傳統 OCR 工具,」富士密封(Fuji Seal)工程經理 Andrea Sabbadini 解釋道。「In-Sight 3900 現在讓我們能夠在維持全速生產的同時,部署康耐視的 Edge AI Read 工具,且無需犧牲產能。這使得我們的檢測流程更為穩健,不僅設定更快速,在各營運環節的維護也更為簡便。」
康耐視實現邊緣 AI
該系統的主要特點包括:
大規模處理速度提升 4 倍:In-Sight 3900 的檢測速度比上一代康耐視視覺系統快達 4 倍。它能最大化生產線速度,並消除大批量生產中的瓶頸。高達 2500 萬畫素的高解析度成像:系統支援高達 2500 萬畫素的解析度,提供更寬廣的視野、更精確的測量以及更強大的缺陷檢測能力——所有這些功能皆可透過單次影像擷取實現。即時、高吞吐量的邊緣運算:內建的 AI 加速功能與最佳化的處理流程,確保能與高速生產線同步進行確定性、即時的檢測。工業級連線能力:雙乙太網路架構確保與 PLC、機器人及企業系統之間能進行可靠的通訊。康耐視基於其最新的嵌入式 AI 架構打造了 In-Sight 3900。該平台配備專用高效能 AI 處理器,可在邊緣端直接進行快速且確定的決策。
In-Sight 3900 支援邊緣 AI 工具,可實現快速部署與穩定檢測;同時具備適用於複雜多變應用場景的高階 AI 工具,並支援免電腦運作模式,從而簡化驗證、部署及生命週期管理流程。
「康耐視拓展了邊緣嵌入式 AI 視覺的應用可能性,」高通資深副總裁 Shyam Krishnamurthy 表示。「我們很榮幸高通技術能為這項突破提供動力,並期待這項合作能持續造福那些需要在全速生產狀態下執行嚴苛檢測的製造商。」
當 In-Sight 3900 與 Cognex OneVision 整合時,便成為可擴展的「雲端到邊緣」AI 視覺生態系統的一部分。OneVision 簡化了模型開發、跨站點協作及跨裝置部署流程,讓製造商能夠集中訓練 AI 模型,同時以生產線速度在本地執行檢測。
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期,OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標,導致本週二科技股承壓,但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認,儘管媒體報導負面,他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段,因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力,但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同,競爭對手 Anthropic 獲得了





首頁






