AI深度学习简介

基于深度学习的智能工业视觉平台软件，集标注、训练、模型调优为— 体，用于解决复杂缺陷检测、分类等问题。在上线过程中通过收集的数据进行自学习 ，可以不断提升模型的适应性和稳定性，持续降低运行过程中的漏检和过检。

产品出厂质量控制

对产品进行全过程质量检测，保障产品质量达到质量标准。

（外观质量标准，以人眼极限为基准；工艺标准，以工艺要求为基准）

生产过程工艺控制

对缺陷类型进行识别和度量，以工艺溯源（建立缺陷类型/度量-工艺问题之间的映射关系），并为闭环控制提供数据基础，以提高产品良率。

四大核心功能模块 + OCR工具包：

高性能AI算法模型，支持图像分割、字符训练、图像分类、目标检测、定位检测及OCR字符识别训练等；

定位：检测图像中的单个或多个目标的位置。常用于在目标多样、姿态多样等复杂场景中快速查找目标。

分割：对图像进行像素级检测，精准识别缺陷的位置和类别。常用于检测产品表面细小的缺陷。

分类：判断整张图像所属类别，常用于缺陷分类和产品的分选定级。

检测：对图像进行区域检测，准确识别目标物或缺陷。常用于产品表面成块缺陷检测、多目标检测等场景。

OCR：对图像中的字符进行准确定位和高效识别。常用于快速读取各类复杂场景中产品或元件的字符信息。

核心优势:

部署

行业应用

目前AI覆盖各行各业，如下：

1.汽车行业之图像识别：自动驾驶车辆需要通过图像，对于行驶路况进行判别、寻找到合适的路径，尤其是行人/障碍物的判断。这其中就需要图像识别技术来支撑，对底层算法的精准度、反应速度要求是极高的。

2.医疗之图像识别：以骨折检测系统为例，以往是通过二维X光片定位病患的病变位置，而借助系统，可以分析二维X射线图像中骨折情况，并且标记骨折位置便于医生进行进一步的检测。这就能够有效提升诊断准确率，提升治疗效率。

3.制造业：传统算法无法识别的检测项目，可以借助AI小样本训练来检测，替代人工。

4.零售业之人脸支付：通过机器检测人脸并匹配账户信息，联动付款即可实现“刷脸支付”。这一支付手段进一步节省了用户的时间，提升了结账效率。