工业表面缺陷AI识别系统

工业表面缺陷AI识别系统

机械化-自动化-数字化-智能化

解决问题，降本增效

    人工智能技术需要下沉到应用场景需求中，通过产业智能化重塑与实体经济深度融合，完成从供给侧的技术驱动主导转向需求侧的场景化应用主导转型。

    现场智能制造领域，企业完成了项目的工程问题建模和智能系统开发，以及关键工具参数离线测量和在线软测量，尽管所提供数据基本满足以数据看板为代表的数字化制造，但是现场提供高质量数据并不容易，更谈不上具备主动感知分析思考决策能力的智能化。

    机器替人只是自动化层面。要实现最优化的机器替人，首先必须对工程问题和工程参数进行建模，然后利用所采集到的高质量数据进行模型的机器学习--模型与机械设备和生产现状深度绑定--基于这些可以开发出智能系统，继而产生出即时可变的，一直是最优化的生产参数--交给基础自动化执行。

我们的技术优势：

1、领先的小样本学习方法：团队自主研发的小样本学习方法，可克服工业质检领域缺陷样本不足带来的训练难问题。

2、完整的视觉算法体系：团队拥有完整的算法体系，包括：深度学习、传统对比算法、3D点云等在内的主流算法，可覆盖90%以上的常规应用。

3、模型压缩工具：团队自主研发的深度模型裁剪压缩工具，可大幅降低算力需求。

4、芯片级研发能力：团队具备芯片级产品研发能力，产品功能、成本、体积优势显著。

• 完美适应：旋转、缩进、平移、色差、光照强度等变化
• 通过模型、算法、指令优化提升整体检测速度与准确率
• 实现对柔性物体和部分有遮挡物体的准确检测

典型案例：

世界隐形冠军黑棒检测设备

检测流程：金属杆材检测机利用对接平台与客户设备对接接收物料，插齿输送装置把接收到的物料运送至检测工位，进行长度和外径测量，检测后由插齿传送装置把物料送至圆棒推送装置进行外观检测，检测后送至分拣工位，分拣工位摆动板进行自动OK/NG分类；检测准确率高达99.5%。

AI工业检测核心技术优势

AI工业检测服务效益分析

    团队卷积神经网络图像分类与识别技术运用于工业产品检测并迅速落地实施。100%为工业客户提供产品外观检测、字符检测、颜色识别，设备巡检，设备预测性维护等视觉检测方案，加速企业经济效益提升。