在產(chǎn)品質(zhì)量外觀檢測(cè)的世界里，人眼只能辨別那些大于 0.5 毫米大小的瑕疵還伴著巨大的誤判風(fēng)險(xiǎn)。隨著工作時(shí)間的延長，眼睛的疲勞和衰老更加增加了誤判的風(fēng)險(xiǎn)。

而傳統(tǒng)的機(jī)器視覺檢測(cè)在圖像處理和瑕疵定位等方面有所欠缺，導(dǎo)致瑕疵檢測(cè)的準(zhǔn)確率低，性能不穩(wěn)定，而且對(duì)于流水線實(shí)現(xiàn)智能自動(dòng)檢測(cè)非常有難度。由此可見，無論是傳統(tǒng)的機(jī)器視覺檢測(cè)，還是“肉眼”檢測(cè)產(chǎn)品外觀質(zhì)量的能力和效率以及準(zhǔn)確率和范圍都是非常有限的。為了契合日趨嚴(yán)苛的高 效高標(biāo)準(zhǔn)瑕疵檢測(cè)需求，思瑞測(cè)量推出基于深 度學(xué)習(xí)的HxGN Visual Detection瑕疵檢測(cè)軟件系統(tǒng)，解決客戶在產(chǎn)品表面瑕疵檢測(cè)環(huán)節(jié)遇到的各種問題。

該測(cè)量軟件將瑕疵、尺寸檢測(cè)合二為一，通過深度學(xué)習(xí)算法、高級(jí)圖像處理、模式識(shí)別等提高檢測(cè)準(zhǔn)確度高達(dá)95% ，解決了客戶在產(chǎn)品表面瑕疵檢測(cè)環(huán)節(jié)遇到的各種問題，減少了大量的時(shí)間和投資成本，提升了產(chǎn)品質(zhì)量的同時(shí)也驅(qū)動(dòng)了產(chǎn)量的提升。

基于AI深度學(xué)習(xí)算法

具備不可比擬的優(yōu)勢(shì)

學(xué)習(xí)速度快：HxGN Visual Detection瑕疵檢測(cè)軟件可根據(jù)訓(xùn)練集評(píng)估，生成可應(yīng)用的高效學(xué)習(xí)模型。HxGN Visual Detection通過切換多種自主研發(fā)的機(jī)器學(xué)習(xí)模型。針對(duì)某一類缺陷，輸入10個(gè)或更多的缺陷樣本，系統(tǒng)即可通過AI深度學(xué)習(xí)建立自己的NG數(shù)據(jù)庫，從而形成針對(duì)該種類缺陷的神經(jīng)網(wǎng)絡(luò)。

識(shí)別判斷準(zhǔn)：有效的完成高干擾背景下的缺陷識(shí)別和不規(guī)律的圖像分析，達(dá)到人眼識(shí)別水準(zhǔn)，并且多層神經(jīng)網(wǎng)絡(luò)層比如卷積神經(jīng)網(wǎng)絡(luò)，循環(huán)神經(jīng)網(wǎng)絡(luò)，深度神經(jīng)網(wǎng)絡(luò)，長短期記憶網(wǎng)絡(luò)等高效地對(duì)學(xué)習(xí)模型進(jìn)行了有效訓(xùn)練，使得瑕疵檢測(cè)率高達(dá)95%以上并具有靈活的的多功能擴(kuò)展性。

檢測(cè)效率高：當(dāng)被檢測(cè)工件通過成像系統(tǒng)，即可被智能識(shí)別、標(biāo)記和分類。系統(tǒng)使用GPU處理圖片，可多GUP并行，檢測(cè)時(shí)間可低至毫秒級(jí)。測(cè)量過程中的圖片進(jìn)一步學(xué)習(xí)，從而減少優(yōu)化過程，并且配合自動(dòng)化實(shí)現(xiàn)在線完成零件外觀瑕疵的OK/NG判斷和分BIN。

適用于16類瑕疵、10大行業(yè)

瑕疵與尺寸檢測(cè)合二為一

智能瑕疵檢測(cè)已被應(yīng)用于金屬器械制造、玻璃制造、塑料生產(chǎn)，還是電子&通訊、汽車、太陽能、PCB、薄膜、半導(dǎo)體等行業(yè)……并且，瑕疵檢測(cè)能夠和尺寸檢測(cè)合二為一，在流水線上同時(shí)檢測(cè)判斷。

可檢測(cè)的主要瑕疵類型有（但不限于）：

劃痕、 刀痕、崩缺、氣泡、凸起、凹痕、擦傷、雜質(zhì)、變形、崩邊、白點(diǎn)、條紋、黑點(diǎn)、皺縮、波紋、裂紋

思瑞憑借著專業(yè)的智能檢測(cè)項(xiàng)目團(tuán)隊(duì)，基于豐富的項(xiàng)目經(jīng)驗(yàn)和強(qiáng)大的軟硬件開發(fā)能力，能夠?yàn)榭蛻籼峁┒ㄖ苹闹悄荑Υ脵z測(cè)方案，幫助客戶提升產(chǎn)品的質(zhì)量和檢測(cè)效率。