《VisionBank AI深度学习视觉解决方案.docx》由会员分享，可在线阅读，更多相关《VisionBank AI深度学习视觉解决方案.docx（9页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、VisionBankAI深度学习视觉解决方案VisionBankAI是维视智造专为生产加工制造业设计的深度学习视觉解决方案，将传统算法工具库和深度学习相融合。传统算法工具库作为标准算法工具，使用者易于上手，与深度学习技术融合后，使检测准确性提高到100%，同时简化了开发流程，提高了效率，简单易用。相对单纯的深度视觉优势AI传统算法工具库和深度学习相融合单纯深度视觉只能通过大量数据训练，得到相应的结果，不方便现场人员针对详细图像调试参数，详细图像有问题，只能再次训练，训练的结果不知足时调试难度很大。VisionBankAI先用传统算法，再用深度学习过滤，现场人员还能够结合客户规格调整传统算法的参
2、数。简单易学单纯深度视觉假如需要调整算法，对人员的水平要求较高，造成的成本也比拟高；VisionBankAI深度学习只做Yes或No的判定，规则简单，容易学习。降低应用成本单纯深度视觉需要高性能的计算硬件作为支撑，成本很高。VisionBankAI深度学习对硬件的要求会低一些。VisionBankAI深度学习工具AIVisionBankAI深度学习缺陷检测与字符识别工具VisionBankAI传统算法与深度学习技术融合传统算法工具库：自适应缺陷、线阵缺陷、角点缺陷、边界毛刺等工具中融入深度学习技术。传统算法中添加深度学习技术VisionBankAI深度学习模块化基于深度学习算法实现的算法模块化
3、，使用者操作简单。VisionBankAI深度学习模型管理用于多类产品深度学习检测的深度学习模型管理，使检测程序明晰化。传统算法中添加深度学习技术VisionBankAI深度学习视觉解决方案主要应用AIVisionBankAI深度学习视觉解决方案在缺陷检测上，具可查找外观有差异的零件，它可检测噪音背景上、照明不佳的环境中、低比照度零件上、甚至弯曲或形状变化零件上的特征。VisionBankAI深度学习视觉解决方案在字符识别上，可识别到字符不规则、字符连接无法分割、点状字符等，解决传统字符识别算法在一些场景不易识别或识别率低的问题。VisionBankAI深度学习视觉解决方案典型案例VisionBankAI太阳能电池板EL缺陷检测检测对象：电池片/电池板EL检测检测速度：3s-8s检测幅宽：2000*1600mm可定制检测精度：0.03mm断层适用设备：EL分选机、EL检测仪等训练数据：17000张NG5000张，OK12000多张检测数据：30000张检测结果：准确率99.98%检测内容：层压前/后，通过高分辨率的红外相机拍摄组件的近红外图像，获取并断定电池片的缺陷，常见包括：裂纹、裂片、黑斑、短路、黑边、亮斑、断栅、虚焊、混档、过焊、绒丝等。