相关文章推荐
谦虚好学的领带  ·  Python ...·  1 年前    · 
钢铁行业
食品饮料
纺织化工
电子制造
钢铁行业
食品饮料
纺织化工
电子制造
业务需求
需要对钢铁表面的瑕疵、钢管焊缝及其他原材料的多种瑕疵进行缺陷检测并进行优劣等级的划分,满足客户不同的业务销售渠道
能够解决
瑕疵类型检出
支持瑕疵示例:欠充满,搭焊,凹坑,未熔合,未焊透,夹渣,气孔,咬边,夹珠,蜂窝状气孔,未焊满,焊瘤、烧穿、焊偏和横向裂纹等
方案验证指标达标
缺陷检出率>99.8%,明显/重要缺陷漏检率≤0.1%、误检率≤1% ,检测速度较人工提升20倍
推荐搭配使用
业务需求
对食物原料、内容物的缺陷以及包装加工环节产生的瑕疵进行缺陷检测,实现对食品链路全流程的质量监管
能够解决
瑕疵类型检出
支持瑕疵示例:异物、金属屑、油漆、胶屑、黑渣、料垢、头发、纤维、果虫、飞虫、瓶身破碎、酒内异物、酒壁异物、漏气、文字、液位、瓶底破碎、酒内异物、酒壁异物、标签污渍等
方案验证指标达标
明显/重要缺陷的漏检率≤0.1%,误检率≤1% ,剔除率 >94.5% ,大幅降低人力成本和反工损失
推荐搭配使用
业务需求
需要对纺织原材料、成品、半成品进行表面缺陷检测
能够解决
瑕疵类型检出
支持瑕疵示例:褶皱、光斑、污渍、经条、横档、破损、纬斜、飞毛等
方案验证指标达标
整体准确率92.3% ,缺陷检出率≥98%,误报率≤15%,准确率≥80%, 可满足2m/s实时的性能需求
推荐搭配使用
业务需求
对PCB、晶圆、锂电池电芯、锂电池盖板、光伏电池等产品进行表面缺陷检测,提高产品良率
能够解决
瑕疵类型检出
支持瑕疵示例:交叉裂、单体裂、划痕、凹坑、异物、凸起、黑点、黑斑等
方案验证指标达标
缺陷检出率>99.6% ,过滤80%的AVI/AOI上报假点 ,每秒处理200个以上AVI/AOI上报, 7*24h连续运行
推荐搭配使用
面向业务场景的工作区管理 基于算子类型进行通用和定制化开发以及自由组合的方式,适应大部分市场上的AI通用视觉检测解法。