SOLUTIONS
USE-CASES
LE LAB
ARTICLES
NOUS SOMMES
CONTACT
CARRIÈRES
NEWS
ACCES ENABLERS
Trier par mots-clés
Algorithmes
algorithmique
Améliorationdeprocess
Audit
AutoML
BeEnabler
BigData
CNN
ComputerVision
ContrôleQualité
Cosmétique
Data
DataGouvernance
DataScience
DataVisualisation
DeepLearning
DétectionAnomalie
DétectionAnomalies
DétectionObjets
Energie
equationsdifferentielles
Event
Fewshotlearning
Forecast
Forecasting
Fraude
GAN
GenAI
Géoscience
GPU
IA
IA generative
Images
Immobilier
Industrialisation
Innovation
IntelligenceArtificielle
Interprétation
LabInsights
large language models
LectureIntelligente
LLM
LLMs
MachineLearning
MaintenancePrédictive
MCMC
MLops
Modèle
NLP
OpenCV
Optimisationdeproduction
Prévision
probabiliste
ProjetCollaboratif
Python
ReconnaissanceObjets
Réseau
Rewind
RH
Segmentation
SHAP
Tensorflow
TimeSerie
TimeSeries
virtualsensor
SOLUTIONS
USE-CASES
LE LAB
ARTICLES
NOUS SOMMES
CONTACT
>WE HIRE<
CARRIÈRES
NEWS
ACCES ENABLERS
OK
Industrie
CLASSER DES DÉFAUTS SUR UNE CHAÎNE INDUSTRIELLE
#
ComputerVision
#
ContrôleQualité
#
DétectionObjets
#
MLops
OBJECTIFS
Identification des grains sur chaîne de production en temps réel et classification de la qualité de chaque grain
Calculer la longueur de grains de maïs
Identifier leurs propriétés colorimétriques (LAB)
Identifier les défauts des grains (éclatés, tachés, etc.)
ALGORITHMES
Identification des contours des grains
Analyse de la distribution de la colorimétrie des grains
Classification automatique des défauts à l’aide de modèles de Computer Vision
Parlez-en AVEC UN EXPERT !
Julien Laszlo
Business Manager
jlaszlo@aquiladata.fr
> JE LE CONTACTE !
VOIR TOUS LES USE-CASES