數(shù)據(jù)采集
采集來源-成像設備 如：IP攝像機、工業(yè)攝像機、紅外攝像機、顯微鏡、X光、光源、暗箱、導軌
成像要求： 圖像清晰、照度均勻、缺陷部分尺寸（>10*10）、樣本數(shù)量充足（>1000）
"見遠"行業(yè)視覺智能診斷方案
通過深度學習和圖像處理算法，進行全自動生產(chǎn)流程管理，自動識別圖像中的瑕疵或故障，以達到大幅節(jié)省人力，提高產(chǎn)品生產(chǎn)效率及精度穩(wěn)定性的效果。
全部 園區(qū) 辦公 場館 社區(qū) 凈水 家居 城市 工業(yè) 醫(yī)療 大健康 農業(yè) 物流 車聯(lián)網(wǎng) 文化 教育 航空 建筑 交通 安防 電網(wǎng) 環(huán)保 通信 廣電 商貿 設備 氣象 旅游 監(jiān)獄 政務 消防 金融 其他
我們能解決的核心痛點
-
大幅節(jié)省人力
傳統(tǒng)人工檢測方式，無任何智能檢測功能；
或有攝像頭、有簡單分析功能，
但無法解決大部分場景，人力投入大。
通過機器視覺智能診斷，大幅度節(jié)省人力成本。 -
質控保障
傳統(tǒng)質檢全靠人工一個一個看產(chǎn)品瑕疵，而人的經(jīng)驗、以及情緒等都會造成質量控制無法保障.
通過大量數(shù)據(jù)訓練后算法識別精度可以非常穩(wěn)定，以保障識別質量，加大產(chǎn)量。 -
提高效率
傳統(tǒng)方式效率低，影響生產(chǎn)線的全自動化。
通過圖像識別算法的不斷迭代，精度穩(wěn)定可靠，
促進生產(chǎn)線自動化，減少人工干預，提升效率。
適用場景/客戶案例
-
工業(yè)-電池片瑕疵檢測
-
環(huán)保-垃圾分類識別
-
養(yǎng)殖-豬行為識別
-
交通-道路裂縫檢測
總體架構
方案實現(xiàn)流程
|
公安部備案號 11010502032413
