AI深度學(xué)習視覺(jué)開(kāi)發(fā)_AI深度學(xué)習應用案例-在光伏行業(yè)的應用

VisionBank AI是維視智造專(zhuān)為生產(chǎn)加工制造業(yè)設計的深度學(xué)習視覺(jué)解決方案，將傳統算法工具庫和深度學(xué)習相融合。傳統算法工具庫作為標準算法工具，使用者易于上手，與深度學(xué)習技術(shù)融合后，使檢測準確性提高到100%，同時(shí)簡(jiǎn)化了開(kāi)發(fā)流程，提高了效率，簡(jiǎn)單易用。

相對單純的深度視覺(jué)優(yōu)勢  AI

傳統算法工具庫和深度學(xué)習相融合

單純深度視覺(jué)只能通過(guò)大量數據訓練，得到相應的結果，不方便現場(chǎng)人員針對具體圖像調試參數，具體圖像有問(wèn)題，只能再次訓練，訓練的結果不滿(mǎn)足時(shí)調試難度很大。VisionBank AI先用傳統算法，再用深度學(xué)習過(guò)濾，現場(chǎng)人員還可以結合客戶(hù)規格調整傳統算法的參數。

簡(jiǎn)單易學(xué)

單純深度視覺(jué)如果需要調整算法，對人員的水平要求較高，造成的成本也比較高；VisionBank AI深度學(xué)習只做Yes 或 No的判斷，規則簡(jiǎn)單，容易學(xué)習。

降低應用成本

單純深度視覺(jué)需要高性能的計算硬件作為支撐，成本很高。VisionBank AI深度學(xué)習對硬件的要求會(huì )低一些。

VisionBank AI深度學(xué)習工具 AI

VisionBank AI深度學(xué)習缺陷檢測與字符識別工具

VisionBank AI傳統算法與深度學(xué)習技術(shù)融合

傳統算法工具庫：自適應缺陷、線(xiàn)陣缺陷、角點(diǎn)缺陷、邊界毛刺等工具中融入深度學(xué)習技術(shù)。

傳統算法中添加深度學(xué)習技術(shù)

VisionBank AI深度學(xué)習模塊化

基于深度學(xué)習算法實(shí)現的算法模塊化，使用者操作簡(jiǎn)單。

VisionBank AI深度學(xué)習模型管理

用于多類(lèi)產(chǎn)品深度學(xué)習檢測的深度學(xué)習模型管理，使檢測程序清晰化。

傳統算法中添加深度學(xué)習技術(shù)

VisionBank AI深度學(xué)習視覺(jué)解決方案主要應用 AI

VisionBank AI深度學(xué)習視覺(jué)解決方案在缺陷檢測上，具可查找外觀(guān)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)習視覺(jué)解決方案在字符識別上，可識別到字符不規則、字符連接無(wú)法分割、點(diǎn)狀字符等，解決傳統字符識別算法在一些場(chǎng)景不易識別或識別率低的問(wèn)題。

VisionBank AI深度學(xué)習視覺(jué)解決方案典型案例 

VisionBank AI太陽(yáng)能電池板EL缺陷檢測

檢測對象：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

適用設備：EL分選機、EL檢測儀等

訓練數據：17000張（NG5000張，OK12000多張）

檢測數據：30000張

檢測結果：準確率 99.98%

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