AI深度學習
AI深度學習簡介
基于深度學習的智能工業視覺平臺軟件,集標注、訓練、模型調優為— 體,用于解決復雜缺陷檢測、分類等問題。在上線過程中通過收集的數據進行自學習 ,可以不斷提升模型的適應性和穩定性,持續降低運行過程中的漏檢和過檢。
產品出廠質量控制
對產品進行全過程質量檢測,保障產品質量達到質量標準。
(外觀質量標準,以人眼極限為基準;工藝標準,以工藝要求為基準)
生產過程工藝控制
對缺陷類型進行識別和度量,以工藝溯源(建立缺陷類型/度量-工藝問題之間的映射關系),并為閉環控制提供數據基礎,以提高產品良率。
四大核心功能模塊 + OCR工具包:
高性能AI算法模型,支持圖像分割、字符訓練、圖像分類、目標檢測、定位檢測及OCR字符識別訓練等;
?定位:檢測圖像中的單個或多個目標的位置。常用于在目標多樣、姿態多樣等復雜場景中快速查找目標。
?分割:對圖像進行像素級檢測,精準識別缺陷的位置和類別。常用于檢測產品表面細小的缺陷。
?分類:判斷整張圖像所屬類別,常用于缺陷分類和產品的分選定級。
?檢測:對圖像進行區域檢測,準確識別目標物或缺陷。常用于產品表面成塊缺陷檢測、多目標檢測等場景。
?OCR:對圖像中的字符進行準確定位和高效識別。常用于快速讀取各類復雜場景中產品或元件的字符信息。
核心優勢:
部署
行業應用
目前AI覆蓋各行各業,如下:
1.汽車行業之圖像識別:自動駕駛車輛需要通過圖像,對于行駛路況進行判別、尋找到合適的路徑,尤其是行人/障礙物的判斷。這其中就需要圖像識別技術來支撐,對底層算法的精準度、反應速度要求是極高的。
2.醫療之圖像識別:以骨折檢測系統為例,以往是通過二維X光片定位病患的病變位置,而借助系統,可以分析二維X射線圖像中骨折情況,并且標記骨折位置便于醫生進行進一步的檢測。這就能夠有效提升診斷準確率,提升治療效率。
3.制造業:傳統算法無法識別的檢測項目,可以借助AI小樣本訓練來檢測,替代人工。
4.零售業之人臉支付:通過機器檢測人臉并匹配賬戶信息,聯動付款即可實現“刷臉支付”。這一支付手段進一步節省了用戶的時間,提升了結賬效率。