Versi 5.1 · Agen AI bawaan · 391 node

Dari kamera ke inferensi hingga PLC — dirangkai, bukan diprogram.

Cameo Image Studio adalah meja kerja berbasis graf node untuk visi mesin. Letakkan node kamera, sambungkan ke inferensi GPU, lalu sambungkan ke PLC atau sumbu gerak, dan seluruh lini langsung berjalan — tanpa menulis satu pun skrip build. Ketika kode memang dibutuhkan, graf tersebut dapat diekspor menjadi C++, Python, atau EXE mandiri.

Unduh untuk Windows Windows 10/11 · 64-bit Ajukan kunci aktivasi

Hanya Windows 10/11 64-bit. Berkas setup-nya kecil; sisanya — CUDA, PyTorch, OpenCV, ONNX Runtime, dan Python bawaan — diunduh saat pemasangan, jadi tidak ada yang perlu disiapkan sendiri.

391node dalam katalog

9bahasa antarmuka

5produsen kamera didukung

C++ · Pygraf diekspor menjadi kode

Asisten AI

Agen itu ada di dalam graf

Bukan jendela obrolan yang ditempel di samping. Asisten membaca katalog node, menyusun pipeline, menjalankannya, melihat frame yang kembali, lalu mengubah parameternya sendiri sampai inspeksi lolos.

Asisten AI

Jelaskan pemeriksaannya, terima grafnya

Asisten bawaan membaca katalog node dan menyusun alur dari satu kalimat. Ia dapat melihat bingkai yang dihasilkan node Anda, menerima lampiran gambar atau spesifikasi PDF, menjalankan alur dan membaca hasilnya — lalu mengubah parameter dan mencoba lagi.

Membuat node, merangkainya, dan mengatur parameter, disertai validasi dan pengembalian
Menulis node C# khusus untuk langkah yang belum ada di katalog
Berjalan melalui server berlisensi — satu kunci per komputer, tanpa kunci API untuk diurus

Visi-bahasa

Ajukan pertanyaan pada frame

Sambungkan sebuah gambar dan satu kalimat ke node visi-bahasa, lalu baca jawabannya dari port. Tanyakan apakah semua pekerja di perancah memakai harness, dan graf mengembalikan putusan, jumlah pelanggaran, serta kotak pendukungnya — tanpa daftar kelas yang harus dilatih lebih dulu.

Putusan ya/tidak, jawaban teks bebas, dan hitungan pelanggaran pada port bertipe
Pemeriksaan APD dan keselamatan: melacak tiap orang dan memeriksa ulang secara berkala
Berjalan berdampingan dengan detektor, jadi kotak dan jawaban berasal dari frame yang sama

Graf yang sedang berjalan

Tangkapan layar dan rekaman layar langsung dari build yang dirilis, bukan maket. Setiap node menampilkan pratinjau keluarannya sendiri di badan node, jadi terlihat apa yang benar-benar dihasilkan tiap langkah.

PPE safety graph — **D455 → safe_detect → PPE Yolo Tracker → Show Result** Sebuah kamera kedalaman masuk ke graf keselamatan: safe_detect menemukan orang-orangnya, PPE Yolo Tracker memeriksa helm dan harnes pada masing-masing — lima orang terlacak di frame ini — dan Height Above Ground 2D mengambil deteksi yang sama beserta aliran kedalaman lalu menaikkan bendera pelanggarannya sendiri.

RGB · D455 stereo depth · Cameo AI depth Satu RealSense D455, dua peta kedalaman dari gambar yang sama: kedalaman stereo kamera itu sendiri (kanan atas) menjadi rata dan bolong-bolong lewat beberapa meter pertama, sedangkan kedalaman AI di bawahnya membaca frame RGB yang sama dan masih memisahkan lantai, tiang, dan scissor lift.

Laplacian filter at 183 fps — **Load Video → Filter: Laplacian → Show Result** Laplacian pada setiap frame dari klip PCB yang sama, pada 1280×720. Penghitung di node pemuat sendiri menunjukkan 183 fps dengan filter berada di rantai — sekitar 169 megapiksel per detik, pada mesin AMD Ryzen 7 seri 5000.

Load Image → Shape Detect → Show Result — semuanya dibangun oleh asisten Satu kalimat dan sebuah foto papan: segmentasikan chip persegi itu. Asisten menyusun tiga node, menyetel Invert, MinArea 8000 dan filter square/rectangle, lalu menjalankan grafnya — Shape: 0 found. Ia membaca ulang overlay buatannya sendiri, menyimpulkan bahwa filter itulah yang membuang kontur chip, menghapusnya dan menjalankan lagi: sebuah kontur menutup rapat di sekeliling QFP.

Apa yang bisa dilakukan graf ini

Lima kemampuan yang biasanya tersebar di lima perangkat lunak berbeda, kini dalam satu kanvas.

Graf node

Satu kanvas, 391 node

Setiap langkah adalah node dengan porta bertipe: memuat citra, melakukan ambang batas, mencari area objek, menjalankan detektor, menyaring berdasarkan jarak, menulis ke koil PLC. Kabelnya membawa bingkai citra, hasil deteksi, pose, peta kedalaman, dan angka. Setiap node menampilkan pratinjau keluarannya sendiri pada badan node, sehingga Anda melihat di mana alur melenceng tanpa perlu menghentikannya.

Utas berjalan bebas — alur mempertahankan laju bingkainya saat Anda menyunting
Urungkan, simpan otomatis, dan pemulihan setelah crash pada graf itu sendiri
Mode Operasi: layar operator terkunci hanya-baca dengan dasbor hasil

Pelabelan

Beri label data di tempat Anda memakainya

Gambar kotak dan poligon, ekspor ke struktur YOLO atau COCO, lalu alirkan hasilnya langsung ke node pelatihan dalam proyek yang sama. Segmentasi berbasis perintah teks (Grounded SAM) dapat melabeli satu batch lebih dulu sebelum disentuh manusia.

Kotak pembatas, poligon, dan penyaring kelas dengan ambang keyakinan per kelas
Mendeteksi pemasangan LabelMe dan menyerahkan pekerjaan ke sana bila Anda lebih terbiasa
Penumpukan bingkai, pemotongan per deteksi, dan super-resolusi sebagai node dataset

Auto-labelled detections on a street scene

Jaringan saraf

Gambar jaringannya, lalu latih

Perancang grafis untuk lapisan MLP dan CNN, ditambah tabel blok bergaya YOLO yang mengekspor YAML persis seperti yang diminta rantai perkakas pelatihan. Muat bobot .onnx atau .pth, jalankan inferensi di GPU, dan kuantisasi ke INT8 untuk target STM32.

ONNX Runtime dengan CUDA, otomatis mundur ke CPU bila tidak ada GPU
Node deteksi, segmentasi, pose, kedalaman, deteksi anomali, dan OCR
Studio pembelajaran penguatan dengan 12 metode klasik untuk menyetel parameter

Kendali

Hasilnya harus menggerakkan sesuatu

Visi yang tidak bisa menggerakkan aktuator hanyalah demo. Sambungkan keputusan ke koil PLC, sumbu gerak, pin GPIO mikrokontroler, atau topik MQTT. Firmware untuk STM32 dan Arduino dibuat, dikompilasi, dan diunggah dari dalam aplikasi.

PLC: Mitsubishi MC · Siemens S7 · Omron FINS · Modbus TCP · TwinCAT ADS
Gerak: sumbu GRBL, Modbus, dan ADS, soft motion, kalibrasi sembilan titik
MCU/FPGA: STM32 (PlatformIO), Arduino (arduino-cli), Verilog (Vivado / Quartus)

IoT & ponsel

Hasilnya harus keluar dari mesin

Sebuah putusan yang hanya mengendap di PC inspeksi tidak menolong siapa pun. Terbitkan ke broker MQTT lengkap dengan framenya, POST ke webhook — Telegram, LINE, ThingsBoard, apa pun yang membaca JSON — atau susun layar ponsel di perancangnya lalu serahkan ke operator persis ubin yang Anda pilih. Setelah disimpan, ponsel yang sedang terbuka menggambar ulang dalam hitungan detik.

MQTT publish (putusan, skor, JPEG) dan subscribe — sebuah sensor atau tombol memicu pipeline
Ubin nilai, sakelar, tombol, dan gambar kamera, dikelompokkan dalam tab, bisa dipasang sebagai PWA
Tab Layar mencerminkan jendela aplikasi ke ponsel dan mengirim ketukan kembali — hanya LAN dan token, dengan PIN untuk tab itu

Terhubung dengan apa saja

Terverifikasi pada versi yang dikirimkan. Yang tidak tercantum di sini tidak kami klaim.

Kamera & sumber citra

Hikvision MVS (GigE / USB3)
Basler pylon
The Imaging Source (GigE)
MindVision USB
Intel RealSense (colour + aligned depth)
RTSP · MJPEG · HLS · HTTP
Folder gambar dan berkas video

Kendali & fieldbus

Mitsubishi MC protocol
Siemens S7
Omron FINS
Modbus TCP / RTU
Beckhoff TwinCAT ADS / EtherCAT
GRBL motion
MQTT · HTTP request

Target kode & firmware

Proyek C++ mandiri
Python (berjalan di Linux)
Penyebaran EXE tanpa antarmuka
STM32 (PlatformIO)
Arduino (arduino-cli)
Verilog / HLS (Vivado, Quartus)
Structured text IEC dan ladder untuk PLC
Pustaka citra untuk ARM64, ARMv7, dan Cortex-M tanpa OS

Unduh

Satu berkas setup. Sisanya diunduh saat pemasangan.

Pemasang Windows

v5.1

Berkas setup kecil untuk Windows 10/11 64-bit. Jalankan, dan ia mengunduh sendiri runtime yang dibutuhkan.

Ukuran: —
Dirilis: —
Diunduh saat pasang: —

Unduh pemasang

SHA-256 —

Periksa sebelum memasang: CertUtil -hashfile <berkas> SHA256

Mesin perlu internet selama pemasangan. Pemasang mengunduh runtime inti sambil berjalan. Komponen opsional — lingkungan Python, SDK Halcon dan Hikvision, model AI bawaan, dan LabelMe — tetap di server sampai Anda menyalakannya di Tools > Components. Setelah terpasang, aplikasinya sendiri berjalan tanpa internet.

Belum ditandatangani secara digital. Windows SmartScreen akan memperingatkan Anda saat pertama dijalankan. Cocokkan SHA-256 di atas dengan berkas unduhan Anda sebelum melewati peringatan itu — pemeriksaan inilah yang seharusnya diberikan oleh tanda tangan digital.

Pustaka citra Cameo

Pustaka citra C++ yang dipakai aplikasinya sendiri, dikemas untuk program Anda. Modulnya tidak memanggil apa pun selain sistem operasi dan runtime C++ Microsoft — tanpa OpenCV, tanpa LibTorch, tanpa BLAS.

Windows x64

—

Satu DLL per modul, ditambah build berkas tunggal yang dimuat binding C#, pustaka impor, header, serta binding C# dan Python.

Ukuran: —
Modul: —

Unduh semua modul (arsip)

SHA-256 —

Linux x64

—

Modul yang sama dibangun sebagai .so dengan g++ 15, plus header dan paket Python. Binding C# memuat build berkas tunggal versi Windows, jadi di Linux pintu masuknya adalah C, C++ atau Python.

Ukuran: —
Modul: —

Unduh semua modul (arsip)

SHA-256 —

Yang harus Anda sediakan sendiri. Sebuah license.lic saat dijalankan — berkas yang sama yang membuka aplikasi — plus runtime Microsoft Visual C++ 2015-2022 x64 di Windows. Tidak ada lagi: tanpa OpenCV, tanpa LibTorch, tanpa BLAS. Tabel P/Invoke yang menunjukkan cara memanggil setiap fungsi terekspor ikut di dalam arsip, di folder csharp/.

Di luar Windows

Pustaka yang sama, berjalan di papannya

Aplikasinya butuh Windows; pustakanya tidak. Modul C++ yang sama dibangun untuk Linux embedded di ARM dan untuk Cortex-M tanpa sistem operasi di bawahnya — modul itu tidak mengimpor apa pun selain runtime C, jadi tidak ada OpenCV, BLAS, atau Python yang harus dikompilasi silang lebih dulu.

Linux ARM64

—

Untuk papan Cortex-A 64-bit yang menjalankan Yocto, Buildroot, atau image berbasis Debian — Jetson, Raspberry Pi 4 dan 5, Rockchip, i.MX8. Berisi shared object, header, dan paket Python, dengan jalan masuk yang sama seperti build x64. Arsip berisi README, header, paket Python cameo, dan enam contoh cara memanggilnya dari Python.

Ukuran: —
Modul: —

Unduh semua modul (arsip)

SHA-256 —

Linux ARM 32-bit

—

Modul yang sama untuk Cortex-A 32-bit dengan floating point perangkat keras — i.MX6, Allwinner, image Raspberry Pi lama. Berisi shared object, header, dan paket Python. Arsip berisi README, header, paket Python cameo, dan enam contoh cara memanggilnya dari Python.

Ukuran: —
Modul: —

Unduh semua modul (arsip)

SHA-256 —

Cortex-M, tanpa OS

Dibuat di dalam aplikasi

Tidak ada yang perlu diunduh di sini. Aplikasi membangun target ini sendiri: pilih modul yang sanggup dibawa mikrokontroler tanpa OS, aplikasi mengompilasinya untuk arm-none-eabi dan menautkan arsip statis ke firmware yang dihasilkannya — alur yang sama dengan mem-flash STM32 dan Arduino.

Dapatkan aplikasi

Apa itu build embedded, dan apa yang bukan. Ini pustaka citra — filter, geometri, pengukuran, blob, barcode, OCR, dan modul jaringan saraf — yang dikompilasi untuk target tersebut. Ini bukan aplikasinya: editor node, studio pelatihan, dan asisten AI tetap di Windows. Inferensi di papan ini berjalan di CPU, karena modulnya tidak membawa CUDA. Saat dijalankan, setiap build meminta license.lic yang sama dengan yang membuka aplikasi.

Ajukan kunci aktivasi

Aplikasi berjalan luring, tetapi asisten AI dilisensikan per komputer. Pasang terlebih dahulu, buka Tools ▸ AI Settings, salin Machine ID yang tampil, dan kirimkan bersama formulir ini.

Kebutuhan sistem

Ini persyaratan untuk aplikasi Windows — tidak ada build macOS, dan port Linux dari aplikasinya belum dirilis. Yang keluar dari Windows adalah pustaka citranya.

Item	Minimum	Disarankan
Sistem operasi	Windows 10 64-bit	Windows 11 64-bit
Prosesor	4 inti, x86-64	8 inti atau lebih
RAM	8 GB	16 GB atau lebih
Kartu grafis	Tidak wajib — inferensi mundur ke CPU	NVIDIA RTX 3060 atau lebih baik, driver terbaru
Ruang disk	30 GB kosong (SSD)	60 GB kosong untuk dataset dan rekaman
Diunduh oleh pemasang	Runtime Visual C++ x64, Microsoft Edge WebView2, pustaka CUDA dan cuDNN, PyTorch, OpenCV, ONNX Runtime, dan lingkungan Python bawaan. Pemasang mengunduhnya untuk Anda — tidak ada yang perlu dipasang manual, tetapi mesin perlu koneksi selama pemasangan.

Tanya jawab

Sebenarnya berapa besar yang diunduh?

Berkas setup-nya sendiri kecil — ukuran dan hash persisnya ada di kartu unduhan di atas. Saat memasang, ia mengambil runtime inti: CUDA dan cuDNN, PyTorch, OpenCV dengan dukungan GPU, ONNX Runtime, dan lingkungan Python lengkap. Angka itu juga ada di kartu. Komponen opsional diunduh belakangan lewat Tools > Components, dan hanya yang Anda nyalakan.

Apakah saya perlu kunci untuk memakai aplikasinya?

Alur visi berjalan tanpa kunci. Hanya asisten AI yang dilisensikan per komputer: Anda mengirimkan Machine ID yang ditampilkan aplikasi dan menerima kunci yang terikat pada komputer tersebut. Kunci yang diterbitkan untuk satu komputer tidak akan bekerja di komputer lain.

Apakah berkas unduhannya bertanda tangan digital?

Belum. Sertifikat penandatanganan kode sedang diurus. Sementara itu, cocokkan nilai hash SHA-256 yang kami umumkan di samping tombol unduh — nilai itu sama andalnya untuk mengenali berkas yang diubah atau terpotong.

Apa format berkas proyeknya?

Proyek disimpan sebagai .json biasa: node, parameter, dan sambungan, dapat dibaca di penyunting teks mana pun dan mudah dimasukkan ke kendali versi. Ekstensi .mcameo yang mungkin Anda lihat adalah wadah tensor terpisah untuk bobot model, bukan berkas proyek.

Bisakah berjalan tanpa GPU?

Bisa. Deteksi dan segmentasi otomatis mundur ke CPU. Namun selisih kecepatannya besar — model berat di CPU cocok untuk pengujian, bukan untuk mengejar takt lini produksi.

Apakah ada versi macOS atau Linux?

Tidak ada build macOS, dan aplikasinya sendiri juga tidak punya build Linux. Pustaka citra C++ lain soal — ia bisa dibangun untuk Linux dan berkas .so ada di bagian unduhan di atas. Untuk sebuah pipeline, jalan praktis ke Linux saat ini adalah mengekspornya sebagai Python atau C++ dari aplikasi Windows lalu menjalankannya di mesin tujuan.

Apakah ada bagian yang bisa berjalan di papan embedded?

Pustakanya bisa. Ia dibangun untuk Linux embedded di ARM 64-bit dan 32-bit, serta untuk Cortex-M tanpa sistem operasi, sehingga inspeksinya sendiri berjalan di perangkat — bagian Embedded di atas menyebut isi tiap target. Aplikasinya tetap di Windows: bangun dan latih di sana, lalu jalankan pipeline yang diekspor atau program Anda sendiri terhadap pustaka itu di papan.

Rangkai pipeline pertama Anda malam ini

Satu installer kecil untuk Windows 10 dan 11. Ia menarik runtime yang dibutuhkan saat memasang, lalu berjalan luring.

Unduh untuk Windows Ajukan kunci aktivasi