通过图像处理算法，处理产品制作的完整过程中有几率存在的缺陷或不良品，该技术能够替代人工视觉检测，并提高检测的效率和准确性，为相关制造公司实现降本增效。
深眸科技以机器视觉和深度学习算法为核心一直在优化，自主创新构建工业AI视觉系统解决方案落地主流工厂生产线，持续保证对相关这类的产品的质量控制。
工业AI视觉系统结合AI和图像处理技术，通过图像预处理、标注、训练等方式，快速识别破损、尺寸不标准、圆形度不良、 边缘缺损或凸起、脏污、划痕和表面残留污等多种缺陷，快速提高产线自动化、智能化程度及检测效率。
在制造业中，缺陷检验测试是产品质量控制的重要环节，基于机器视觉的缺陷检验测试技术能够检测金属制作的产品、塑料制品、玻璃制品等各种产品，并检出包括表面划痕、凹陷、气泡、裂纹等瑕疵，助力企业提升产品质量，降低产品不良率。
在缺陷检验测试过程中，常用的图像处理技术包括数字图像处理技术和机器视觉技术。数字图像处理技术主要是针对数字图像，包括图像的增强、滤波、分割和取样等处理技术。而机器视觉技术则是基于数字图像中的分割和模式识别，针对现有场景中的图像进行应用分析。
工业AI视觉系统通过搭载深度学习技术，能够进一步提升图像处理的技术水平，该技术的引入还为缺陷检验测试带来了新的机遇，通过学习大量的历史数据和模式，实现在更大范围内、更高效率下发现潜在的缺陷。
同时，深度学习作为基于神经网络的机器学习方法，其核心是神经网络模型，通过深度神经网络模型能够对原始数据进行自动学习提取特征、建立复杂特征、学习映射并输出，还能处理大规模的数据，并通过对大量样本的分析和学习，自行判断产品是不是存在质量缺陷，实现缺陷检验测试精准度和效率的提升。目前，深眸科技自主创新构建的工业AI视觉系统解决方案已在主流工厂中实现1000+生产线部署的落地应用。
在缺陷检验测试领域，机器视觉能应用于多个行业，包括3C电子、木材、汽车、医药、新能源等，而不一样的行业的缺陷检验测试目标也各不相同。
在工业领域，精冲件所采用的精冲工艺精度较高、产生的缺陷尺寸通常比较微小，同时精冲过后进行的铣床加工会在产品表面留下大量明显的铣痕，呈现出和缺陷相近的特征，进而影响缺陷的准确分辨。
针对精冲件工艺精度高、产品表面残留大量铣痕以及缺陷特征相似等问题，深眸科技通过自研的工业AI视觉系统，以高效算法、快速识别、精准检出等优势，为精冲件缺陷检验测试案例提供技术支持。
工业AI视觉系统通过多尺度特征融合训练与小目标缺陷检验测试技术，能够将微小的缺陷尺寸特征进行放大处理，将微小缺陷的检出率提升至99%以上；还可以针对铣床加工后的痕迹具有统一方向性的特点，采用AI技术学习铣痕特征，生成对抗神经网络进行铣痕缺陷背景融合，将背景类缺陷纹理的抗干扰识别能力泛化性提升20%。
在木材行业，传统的木材表面缺陷检验测试方式已经没办法满足日益增长的检测需求，许多木材企业采用AI机器视觉技术，实现对木材表面快速且稳定的检测。该技术不仅克服了传统检测效率低、缺陷检出率低、劳动强度大等弊端，而且加速提升了木材加工公司生产线的智能化程度。
针对木材作为天然材料缺陷种类多、同种缺陷特征差异大等问题，工业AI视觉系统基于AI+机器视觉技术，能够实时检测木材表面缺陷，快速识别并保存数据。
该系统从工业相机拍摄的图像中提取信息，做处理并加以理解，再通过AI算法对大量图像样片的学习，建立深度学习模型，提高了对图像的分析能力，从而能够分析更复杂对木材缺陷进行图像检测，并实现自定义木材新的缺陷类型。通过对信息的处理与理解，该系统能够将信息传递给机械臂等外部执行机构，进行缺陷木材的剔除，从而保障木材出厂质量的合格。
随着工业AI视觉系统的持续升级与落地部署，基于深度学习技术的缺陷检验测试也得到了更广泛的应用。未来，随技术的慢慢的提升，我们将持续钻研深度学习技术在工业检验测试领域的应用，并致力于取得更大的突破，为视觉应用平台的开发提供更全面、高效的质量保障手段。
