LMI Technologies (以下简称LMI)发布 GoPxL Anomaly Detector。Anomaly Detector 运用 GoPxL 传统工具和基于 AI 的工具，为具有挑战性的应用提供强大的 3D 缺陷检测，适用于汽车、食品、建筑材料、轮胎以及多行业应用。

用户能够在GoMax或PC上训练和部署强大的3D缺陷检测解决方案，无需依赖额外的云服务或硬件投入，可以进行初始和后续模型训练。

Anomaly Detector可运用于所有Gocator 线激光、结构光和线共焦传感器，您可从 LMI 网站免费下载该固件，需要购买LMI授权加密狗才能在实时系统上运行Anomaly Detector。用户也可用Replay模式仿真运行进行评估，该模式无需购买加密狗。

Anomaly Detector 应用场景

部件检测

查找具有复杂几何形状的机加工或铸造零件上的缺陷和不规则，训练 AI 模型，直接在生产线上识别零件是否通过。无需使用云连接、CAD文件或传统工具通常所需的复杂阈值。

表面检测

检测木材和建筑材料的缺陷和不规则，使用点云边缘和特征工具来进行掩模板材，然后使用 Anomaly Detection 在亮度图上进行缺陷锁定。

Anomaly Detector 主要特点

基于2D亮度或3D高度图数据进行训练

基于亮度和点云数据并在训练时选择最佳选项。使用 3D 可视化工具查看复杂部件，提高标注准确性。

无需许可即可使用预览功能

在 Replay 模式下评估异常检测，无需加密狗即可进行训练和推理。

生成合成数据和增强数据

通过集成生成合成缺陷和增强帧，减少训练所需的图像数量，从而提高模型性能。

直接在GoMax或者PC上存储新的生产数据

将生产数据直接存储到项目存档中，用于快速训练新模型并提高应用性能。

Anomaly Detector 强大之处

检测不同形状和大小的特征

使用Anomaly Detector，用户无需管理检测阈值。训练依赖于提供 OK 和 NG 零件的数据集，并创建特定于数据集中零件的检测模型。

高度集成 AI 建模工作流程

在 GoPxL 工具内部直接管理模型训练和相关数据集，与单独使用的应用程序训练模型相比，移动文件和数据集花费更少的时间。

产线上部署训练

若在GoMax上训练数据，可以避免将数据移动到云端或本地 PC 而带来的相关时间、成本或数据安全问题。训练和交互使用相同的许可，允许在生产中更新模型，无需额外的开发许可证。

使用预测来标记新的生产数据

初始训练后，依靠辅助标记使迭代变得快速、轻松。

测量异常并定义阈值

点云异常被传递到后续工具进行测量和计量。用户可以传输特定大小或形状的异常值，具体取决于最终用户认可接受的结果。

使用脚本和 Python GDK 添加自定义功能

使用基于 Python 的脚本工具添加自定义逻辑或从本地文件检索测量阈值。高级用户可以利用 Python GDK 使用开源和专有工具训练模型，以便进行后续部署。