工业AI视觉检测

核心价值

• 降低数据需求门槛
  降低数据需求门槛
  工业品瑕疵数据匮乏，工厂冷启动视觉质检难度大。基于行业机理模型与机器学习模型融合，可以数倍减少所需训练数据，降低冷启动门槛
• >
  自适应复杂需求
  自适应复杂需求
  工业品通常种类繁多，经常交替生产；单品存在多种缺陷；而单一缺陷形态又有若干差异。基于深度学习技术处理复杂需求，检出率高，误报率低
• >
  提升良品率
  提升良品率
  传统质检标准近百余种分类，人工执行主观差异明显。人眼的观察力度有限，只能分辨0.5mm的缺陷。提供标准化的工业视觉质检产品，可以极大提升良品率

相关产品

• 玻璃崩边检测

  基于先进的视觉技术对目标表面图像进行预处理，并与标准图像对比，找到其中崩边、崩角等结构缺陷，并判断缺陷种类和严重程度

  查看详情 >

• 钢材表面划伤检测

  采用先进机器视觉技术，并通过多尺度多方向变化的构建形态学划痕指数，以突显划痕，进而实现钢材表面细浅划痕的检测

  查看详情 >

• 包装表面异物检测

  基于先进的视觉技术，对产线上的包装异物进行检测，对不合格产品进行剔除，避免进入下一道工序

  查看详情 >

• 工业字符检测

  通过图像预处理功能，对字符进行学习、命名。以实现自动识别字符印刷不全，字符印刷错误，字体歪斜等缺陷

  查看详情 >

产品架构

合作案例

• 3C电子表面缺陷检测
• 日化品表面缺陷检测

• 

  提升良品率

  为了提供高质量高可靠的3C产品，制造企业需要对所生产的零部件、产品进行全量检测，人工检测愈发难适应企业对卓越质量的追求。通过工业AI质检方案，可以极大提升良品率。

  节省人员成本

  为保证质检需求，企业需投入数百名质检人员三班倒进行工作。通过提供软硬一体机同时完成十数种缺陷类型的检测，单台机器一天可以完成约30名工人的质检工作量，极大降低用工成本。

• 

  不良品快速识别

  某世界500强企业日化品生产线生产节拍较快，导致了关键信息喷涂容易出现错漏，同时标签机贴标的过程中因为抖动容易出现气泡、缺失等问题。通过在产线上接入质检设备，在不影响产线正常生产的情况下，实现对不良品的快速识别和剔除

  节省人员成本

  人肉眼的观察力度有限，只能分辨在50m/min时，比较细微的缺陷，工作人员因为会疲劳、疏忽、走神等情况，造成瑕疵品流向市场。通过工业视觉质检实现优于人工2%-3.7%的检测质量改善