通過訓練多層神經(jīng)網(wǎng)絡,對物體表面的缺陷進行大小、位置、形狀的檢測。進一步的,可將同一圖片上的多個缺陷進行分類識別,相對傳統(tǒng)模式針對不規(guī)則缺陷明顯提升分類準確率。
基于人工智能對相近相似物體建立預測模型,可實現(xiàn)精準分類。
智能工業(yè)質(zhì)檢解決方案基于軟江圖靈多年的人工智能技術(shù)積累,全面賦能工業(yè)。相較傳統(tǒng)視覺技術(shù)對不規(guī)則缺陷的識別能力不足,人工智能預測準確率高達99%+,準確率隨著數(shù)據(jù)量提升可持續(xù)優(yōu)化
提供深度學習能力培訓服務,用戶基于預制模型能力基礎上,可自行優(yōu)化模型或拓展模型,打造針對場景應用的專屬私有模型,進一步提升質(zhì)檢/分類效果
智能工業(yè)質(zhì)檢輸出產(chǎn)品質(zhì)量數(shù)據(jù),無縫融入軟江圖靈大數(shù)據(jù)平臺,實現(xiàn)生產(chǎn)質(zhì)量數(shù)據(jù)的全面掌控,為流程優(yōu)化和工藝再造提供關(guān)鍵數(shù)據(jù)支持
基于軟江圖靈智慧工廠平臺進行私有化部署,確保用戶核心數(shù)據(jù)的私有化處理及本地高速訪問,同時也支持云端私有部署,配合深度學習培訓服務,用戶可自行升級和訓練模型
針對屏幕外圍電路進行預測模型優(yōu)化設計,準確率、召回率全面提升
支持單晶/多晶暗域、黑邊、黑角、各種隱裂等十數(shù)種缺陷識別,基于人工智能全面提升缺陷分類準確率
車載重要零部件精準檢測,支持零部件位置檢測、有無檢測、型號檢測等人工智能機器視覺檢測方式
通過深度學習訓練LED芯片缺陷識別及分類模型,有效提升產(chǎn)品質(zhì)量和檢測效率
按照42級煙葉國標,針對不同地域提供專業(yè)煙葉分級模型,有效降低煙草公司人力成本,實現(xiàn)高效高質(zhì)分類