"见远"行业视觉智能诊断方案

通过深度学习和图像处理算法,进行全自动生产流程管理,自动识别图像中的瑕疵或故障,以达到大幅节省人力,提高产品生产效率及精度稳定性的效果。

我们能解决的核心痛点

  • 大幅节省人力

    传统人工检测方式,无任何智能检测功能;
    或有摄像头、有简单分析功能,
    但无法解决大部分场景,人力投入大。
    通过机器视觉智能诊断,大幅度节省人力成本。

  • 质控保障

    传统质检全靠人工一个一个看产品瑕疵,而人的经验、以及情绪等都会造成质量控制无法保障.
    通过大量数据训练后算法识别精度可以非常稳定,以保障识别质量,加大产量。

  • 提高效率

    传统方式效率低,影响生产线的全自动化。
    通过图像识别算法的不断迭代,精度稳定可靠,
    促进生产线自动化,减少人工干预,提升效率。

适用场景/客户案例

  • 工业-电池片瑕疵检测

  • 环保-垃圾分类识别

  • 养殖-猪行为识别

  • 交通-道路裂缝检测

总体架构

方案实现流程

数据采集

采集来源-成像设备 如:IP摄像机、工业摄像机、红外摄像机、显微镜、X光、光源、暗箱、导轨

成像要求: 图像清晰、照度均匀、缺陷部分尺寸(>10*10)、样本数量充足(>1000)

数据标注

数据标注: 是指通过视觉或者听觉,采用分类或者检测的方式,用工具把目标标识出来,并把标识结果保存为计算机模型训练需要的数据。

标注标准: 确定好标准是保证数据质量的关键一步,且标准与具体业务相关,业务上需要检测或者分类出来的目标,一般需要客户方提前定义标注标准。

标注平台: 提供专业的图像标注平台。

模型训练及优化

强大的计算能力 利用阿里云强大GPU集群计算能力,可以实现模型训练的快速迭代。

雄厚的研发能力 吸收和采用国际先进的机器学习算法,研发团队不断研发新的深度学习算法,创新性的解决某一类场景中的工业故障。

算法与硬件平台结合 充分利用和发挥硬件性能,提高算法分析工业故障图片的时间; 针对分析工业场景中丰富工业故障图像,训练出可以替代人工的算法模型。

服务部署与联调

自主的软件架构 具有完全自主知识产权的服务软件架构,可以在公有云、私有云和客户物理服务器上部署算法服务。

完善的配套接口 服务提供了可视化展示和传统业务系统对接所需的底层数据,提供语言无关的标准化习题接口;

客户技术支持 提供完善的客户现场联调、系统对接、精度效率评估和客户培训等方面的技术支持;