AI深度學(xué)習(xí)視覺開發(fā)_AI深度學(xué)習(xí)應(yīng)用案例-在光伏行業(yè)的應(yīng)用

VisionBank AI是維視智造專為生產(chǎn)加工制造業(yè)設(shè)計(jì)的深度學(xué)習(xí)視覺解決方案，將傳統(tǒng)算法工具庫和深度學(xué)習(xí)相融合。傳統(tǒng)算法工具庫作為標(biāo)準(zhǔn)算法工具，使用者易于上手，與深度學(xué)習(xí)技術(shù)融合后，使檢測準(zhǔn)確性提高到100%，同時(shí)簡化了開發(fā)流程，提高了效率，簡單易用。

相對(duì)單純的深度視覺優(yōu)勢  AI

傳統(tǒng)算法工具庫和深度學(xué)習(xí)相融合

單純深度視覺只能通過大量數(shù)據(jù)訓(xùn)練，得到相應(yīng)的結(jié)果，不方便現(xiàn)場人員針對(duì)具體圖像調(diào)試參數(shù)，具體圖像有問題，只能再次訓(xùn)練，訓(xùn)練的結(jié)果不滿足時(shí)調(diào)試難度很大。VisionBank AI先用傳統(tǒng)算法，再用深度學(xué)習(xí)過濾，現(xiàn)場人員還可以結(jié)合客戶規(guī)格調(diào)整傳統(tǒng)算法的參數(shù)。

簡單易學(xué)

單純深度視覺如果需要調(diào)整算法，對(duì)人員的水平要求較高，造成的成本也比較高；VisionBank AI深度學(xué)習(xí)只做Yes 或 No的判斷，規(guī)則簡單，容易學(xué)習(xí)。

降低應(yīng)用成本

單純深度視覺需要高性能的計(jì)算硬件作為支撐，成本很高。VisionBank AI深度學(xué)習(xí)對(duì)硬件的要求會(huì)低一些。

VisionBank AI深度學(xué)習(xí)工具 AI

VisionBank AI深度學(xué)習(xí)缺陷檢測與字符識(shí)別工具

VisionBank AI傳統(tǒng)算法與深度學(xué)習(xí)技術(shù)融合

傳統(tǒng)算法工具庫：自適應(yīng)缺陷、線陣缺陷、角點(diǎn)缺陷、邊界毛刺等工具中融入深度學(xué)習(xí)技術(shù)。

傳統(tǒng)算法中添加深度學(xué)習(xí)技術(shù)

VisionBank AI深度學(xué)習(xí)模塊化

基于深度學(xué)習(xí)算法實(shí)現(xiàn)的算法模塊化，使用者操作簡單。

VisionBank AI深度學(xué)習(xí)模型管理

用于多類產(chǎn)品深度學(xué)習(xí)檢測的深度學(xué)習(xí)模型管理，使檢測程序清晰化。

傳統(tǒng)算法中添加深度學(xué)習(xí)技術(shù)

VisionBank AI深度學(xué)習(xí)視覺解決方案主要應(yīng)用 AI

VisionBank AI深度學(xué)習(xí)視覺解決方案在缺陷檢測上，具可查找外觀有差異的零件，它可檢測噪音背景上、照明不佳的環(huán)境中、低對(duì)比度零件上、甚至彎曲或形狀變化零件上的特征。

VisionBank AI深度學(xué)習(xí)視覺解決方案在字符識(shí)別上，可識(shí)別到字符不規(guī)則、字符連接無法分割、點(diǎn)狀字符等，解決傳統(tǒng)字符識(shí)別算法在一些場景不易識(shí)別或識(shí)別率低的問題。

VisionBank AI深度學(xué)習(xí)視覺解決方案典型案例 

VisionBank AI太陽能電池板EL缺陷檢測

檢測對(duì)象：電池片/電池板EL檢測

檢測速度：3s-8s

檢測幅寬：2000*1600mm（可定制）

檢測精度：<0.03mm斷層

適用設(shè)備：EL分選機(jī)、EL檢測儀等

訓(xùn)練數(shù)據(jù)：17000張（NG5000張，OK12000多張）

檢測數(shù)據(jù)：30000張

檢測結(jié)果：準(zhǔn)確率 99.98%

檢測內(nèi)容：層壓前/后，通過高分辨率的紅外相機(jī)拍攝組件的近紅外圖像，獲取并判定電池片的缺陷，常見包括：裂紋、裂片、黑斑、短路、黑邊、亮斑、斷柵、虛焊、混檔、過焊、絨絲等。