生産性向上・データ保護・コスト削減を、自分のコンピュータ上で動く AI で実現
วิธีใช้โมเดล LLM แบบรันในเครื่อง (Local LLM) ในการทำงานประจำวัน
เพิ่มประสิทธิภาพ ปกป้องข้อมูล และลดค่าใช้จ่ายด้วย AI ที่รันบนคอมพิวเตอร์ของคุณเอง
Continue reading “วิธีใช้โมเดล LLM แบบรันในเครื่อง (Local LLM) ในการทำงานประจำวัน”
How to Use Local LLM Models in Daily Work
Boost productivity, protect privacy, and cut costs by running AI locally.
Continue reading “How to Use Local LLM Models in Daily Work”
EmbeddingモデルとLLMを組み合わせて、より賢いAIアプリを作る方法
最近では 大規模言語モデル（LLM）、たとえば GPT-4、Llama-3、Qwen2.5 などが大きな注目を集めています。
しかし、LLMをあなた独自のデータで効果的に活用するには、もう一つのモデル — Embeddingモデル — が必要です。
วิธีใช้โมเดล Embedding ร่วมกับ LLM เพื่อสร้างแอป AI ที่ชาญฉลาดยิ่งขึ้น
ทุกวันนี้ โมเดลภาษาแบบขนาดใหญ่ (LLMs) เช่น GPT-4, Llama-3 หรือ Qwen2.5 เป็นที่พูดถึงอย่างมาก
แต่ถ้าคุณต้องการให้ LLM ทำงานกับข้อมูลของคุณได้จริง คุณจะต้องใช้โมเดลอีกชนิดหนึ่งควบคู่กันไป นั่นคือ โมเดล Embedding
Continue reading “วิธีใช้โมเดล Embedding ร่วมกับ LLM เพื่อสร้างแอป AI ที่ชาญฉลาดยิ่งขึ้น”
How to Use Embedding Models with LLMs for Smarter AI Applications
In today’s AI landscape, Large Language Models (LLMs) like GPT-4, Llama-3, or Qwen2.5 grab all the headlines — but if you want them to work with your data, you need another type of model alongside them: embedding models.
Continue reading “How to Use Embedding Models with LLMs for Smarter AI Applications”
連続素材欠陥検出用スマートビジョンシステム
漁網、繊維などに対応するスケーラブル検査ソリューション
ระบบกล้องอัจฉริยะสำหรับตรวจหาข้อบกพร่องของวัสดุต่อเนื่อง
โซลูชันตรวจสอบแบบขยายขนาดได้ สำหรับอวนประมง สิ่งทอ และอื่นๆ
Continue reading “ระบบกล้องอัจฉริยะสำหรับตรวจหาข้อบกพร่องของวัสดุต่อเนื่อง”
Smart Vision System for Continuous Material Defect Detection
Scalable Inspection Solution for Fishing Nets, Textiles, and More
Continue reading “Smart Vision System for Continuous Material Defect Detection”
ラインスキャン + AI で作るリアルタイム欠陥検出システム（汎用設計ガイド）
TL;DR（要点まとめ）
- フィルム、紙、織物、ワイヤー、チューブ、金属板などの連続移動物に最適
- 設計初期に決めるべき：視野 (FOV)、最小検出サイズ、搬送速度、作業距離 (WD)
- レンズの焦点距離で視野を決定。小さな欠陥には3〜5ピクセル以上必要
- エンコーダでラインスキャンの縦軸スケールを安定化＝正確な寸法計測とAI認識が可能
- 一般的なフロー：カメラ → タイル化 → 前処理 → 欠陥検出（CVまたはML） → UI/出力/記録
- **絞り（f値）**は f/5.6 からスタート（照明次第で調整）