GoPxL Anomaly Detector AI
Yapay Zeka Destekli 3D Anomali Tespiti ile Kusursuz Kalite Denetimi
GopXL Anomaly Detector AI, üretim hatlarında 3D lazer profil sensörleri ve snapshot sensörler üzerinden elde edilen verileri yapay zeka ile analiz ederek, yüzey hatalarını ve yapısal anomalileri otomatik olarak tespit eder.
Model yalnızca iyi parçaları referans alarak kendi öğrenmesini gerçekleştirir; bu sayede önceden tanımlı kusur verisine gerek kalmadan yeni veya beklenmedik sapmaları yüksek doğrulukla algılar.

Bu yaklaşım, 3D veriye dayalı daha kararlı ve güvenilir kalite kontrol sonuçları sağlar.
Başlıca Özellikler
- Veri Gerektirmeyen Öğrenme (Unsupervised AI)
Sadece iyi parçaları kullanarak normal yüzey modelini öğrenir ve olası anomalileri kendi belirler. - 3D Derin Öğrenme Mimarisi
Lazer profil sensörlerinden veya snapshot sistemlerinden alınan derinlik verilerini analiz ederek mikron seviyesinde hata tespiti yapar. - Uyarlanabilir Model
Metal, plastik, kauçuk, cam ve tekstil gibi farklı yüzeylerde kendi kendine kalibrasyon ve adaptasyon sağlar. - Kolay Entegrasyon
3D sensörlerden gelen veriyi doğrudan işler; Omron, LMI3D, veya benzeri endüstriyel 3D sistemlerle sorunsuz uyum sağlar. - Görsel ve Derinlik Bazlı Raporlama
Hatalı bölgeleri hem 2D görüntü hem de 3D yükseklik haritası üzerinde işaretleyerek detaylı analiz imkânı sunar.

Neden GopXL?
GopXL Anomaly Detector AI, klasik 2D görüntü kontrol sistemlerinin ötesine geçerek 3D derinlik analizi ve yapay zekayı birleştirir.
Bu sayede yalnızca yüzeydeki değil, geometrik ve hacimsel anomalileri de algılar.
Avantajları
- Karmaşık yüzeylerde bile yüksek doğruluk
- Operatör bağımlılığını ortadan kaldırır
- %100 otomatik ve tutarlı kalite kontrol
- Fire oranını azaltır, üretkenliği artırır
Teknik Özellikler
| Özellik | Değer |
| Algoritma Tipi | Derin öğrenme tabanlı 3D anomali tespiti |
| Model Eğitimi | Sadece iyi parçalar (unsupervised learning) |
| Desteklenen Sensörler | 3D lazer profil sensörleri, snapshot sensörler |
| Veri Formatı | Nokta bulutu (point cloud), derinlik haritası |
| İşlem Süresi | < 150 ms / parça |
| Arayüzler | REST API, OPC UA, TCP/IP |
| Platform Uyumluluğu | Windows / Linux / Edge cihazlar |
| Çıktı Formatı | 3D anomali maskesi, yükseklik fark haritası, sınıflandırma skoru |