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。