深度學習在外觀缺陷檢測領域的應用，攻克了傳統算法被復雜成像背景干擾的問題，以及無法對缺陷類型穩定分類等問題，因此在缺陷檢測領域中，深度學習具有更多的優勢。
隨著AI人工智能技術的快速發展，AI智能檢測技術也逐步開始在工業領域進行應用，目前已廣泛應用于3C電子、醫藥、汽車、新能源等行業，其結合傳統算法可實現對缺陷產品進行高精度的外觀檢測。 自主研發的深度學習平臺算法、軟件，操作部署簡單，易于使用，可靠的應用于產線生產檢測中。
磁鐵在生產過程中，尤其在燒制階段，磁鐵表面存在開裂、崩邊、變形等情況，且磁鐵表面形態各異，色差、亮度均不同，傳統識別算法無法穩定檢測?；谏疃葘W習的AI智能檢測技術可以很好的解決產品表面復雜背景的干擾，使磁鐵外觀檢測更加容易、更加穩定。
現狀：玻璃基板在生產、搬運過程中，會存在開裂、崩邊、破損等情況。
痛點：傳統識別算法無法對缺陷穩定分類，且較輕微裂痕無法穩定檢測。
優勢：可實現裂痕、崩邊、破損、臟污等缺陷類型檢測分類，且檢測細節更加細膩，系統更加穩定。
產品特點：1、采用線掃相機高速運動拍照，運動速度最快2米/秒。2、多相機組合實現全面屏檢測。3、面檢+邊檢雙模式檢測。4、獨特打光方案對屏幕表面的細微劃痕成像效果極佳。
技術參數：關鍵缺陷0漏檢；綜合檢出率＞95%；誤檢率＜1%；每件CT＜1秒；缺陷檢測精度＜0.05mm。
現狀：無線耳機出音網裝配的好壞直接影響耳機的整體外觀和性能。
痛點：出音網裝配過程中存在網偏、網破、臟污、重網等缺陷，傳統識別算法因復雜成像背景的干擾無法穩定檢測。
優勢：可以實現對出音網裝配質量的檢測，且檢測細節更加細膩，檢測更加穩定。
產品特點：1、多機位多通道，效率更高。2、獨特的算法性能對較小的邊緣網偏有較好的檢出率。3、相機錯位安裝解決上下網布干擾的問題。
技術參數：關鍵缺陷0漏檢；綜合漏檢率小于0.5%；誤檢率＜0.5%；每件CT＜1秒；缺陷檢測精度＜0.02mm。
現狀：傳感器在生產過程中，會存在端子歪斜、少端子、PCB不良、封邊不良等問題
痛點：傳統識別算法因復雜成像背景的干擾無法穩定檢測。
優勢：可以實現對傳感器生產質量的檢測，且檢測性能穩定。
產品特點：1、自動上下料。2、數據實時上傳MES。3、可兼容多種產品類型。4、多相機多工位檢測 。
技術參數：關鍵缺陷0漏檢；綜合漏檢率小于0.5%；誤檢率＜3%；每件CT＜0.3秒；生產效率1萬+/小時。
現狀：傳感器在生產過程中，會存在端子歪斜、少端子、PCB不良、封邊不良等問題
痛點：傳統識別算法因復雜成像背景的干擾無法穩定檢測。
優勢：可以實現對傳感器生產質量的檢測，且檢測性能穩定。
產品特點：1、自動上下料。2、數據實時上傳MES。3、可兼容多種產品類型。4、多相機多工位檢測 。
技術參數：關鍵缺陷0漏檢；綜合漏檢率小于0.5%；誤檢率＜3%；每件CT＜0.3秒；生產效率1萬+/小時。
現狀：標簽紙在打印過程中，會因少墨、多墨導致打印的字符存在缺失、漏印等不良。
痛點：因字符是可變的非固定印刷字符，傳統識別算法無法穩定檢測。
優勢：可實現可變字符的缺陷檢測，且檢測性能更加精細、可靠。
產品特點：1、雙相機同步檢測，可兼容寬窄料檢測。2、可變字符缺陷檢測，識別率高。3、NG產品實時標記。
技術參數：關鍵缺陷0漏檢；綜合漏檢率小于0.5%；誤檢率＜1%；每件CT＜0.5秒。
痛點：在背板生產組裝過程中存在劃傷、鐳雕不良等缺陷，傳統識別算法因復雜成像背景的干擾無法穩定檢測。
優勢：可以實現對生產組裝質量的檢測，提高成品質量。
產品特點：1、可兼容多種顏色產品類型。2、多相機同步檢測，精度高，速度快。
技術參數：關鍵缺陷0漏檢；綜合漏檢率小于0.5%；誤檢率＜1%；每件CT＜1秒；缺陷檢測精度＜0.02mm。
痛點：膠塞生產過程中存在缺損、臟污、白斑、異色、沖偏、尺寸不合格等缺陷。
優勢：可以實現對膠塞外觀缺陷進行檢測，有效的避免了不良產品的流出。
產品特點：1、可兼容多種產品類型。2、數據可視化、智能化處理。3、雙通道效率更高。
技術參數：關鍵缺陷0漏檢；綜合漏檢率小于0.5%；誤檢率＜1%；生產效率提升30%；節省人力2人。
痛點：磚塊生產過程中存在裂紋、缺角、碎裂等陷，常規視覺無法實現穩定檢測。
優勢：可以實現對不良外觀缺陷進行檢測，有效的避免了不良產品的流出。
產品特點：1、可兼容多種產品類型。2、數據可視化、智能化處理。3、同時六面檢測，效率高。
技術參數：關鍵缺陷0漏檢；綜合漏檢率小于0.5%；誤檢率＜1%；生產效率提升80%；節省人力2人。
![[首頁]](/static/images/homeicon1.svg)