七大深度学习算法：1.快速定位（检测图像目标区域中的物体并旋转图像至指定朝向），2.图像分类 （可区分工件正反面、朝向、缺陷种类， 判断物体是否缺失、排列是否整齐。），3.目标检测（检测所有目标物体的位置，同时判断 其类别。），4.缺陷分割（检测各种类型的缺陷，支持缺陷微小、 背景复杂、工件位置不固定等复杂情况。），5.实例分割（从大量堆积物品中识别物体，精确提 取物体轮廓，指定物体类别），6.非监督分割（只需使用良品图进行模型训练，即可 像素级检测已知和未知缺陷，适合产 品良率极高的场景。），7.字符检测 & 识别（OCR）（可准确定位、识别图像中的字符，有 效应对图像背景复杂、字符位置随机 等情况。）

深度学习---胶路品质检测 缺陷检测项目背景及难点 • 微米级尺寸测量要求，胶路透光不易观察。 • 人工目检速度慢、难度大，难以满足每天40000+pcs质检任务。 项目优势 • 采用高速飞拍成像，500ms内可完成单个产品多段胶路拍照+检 测处理，uph>1800pcs。 • 采用深度学习缺陷分割算法，像素级提取胶路实现外观检测及尺 寸测量。 • 采用图像分类算法，应对透光胶路的恶劣成像，可准确区分缺陷 类型。 • 设备实际漏检率<0.01% & 过检率<0.5%。 项目成果 • 人工抽检转化为全自动化流水线AI智能全检，提高产品质量，减 少人力成本。 • 目前检测机台已实现量产

深度学习---螃蟹&虫草检测： 缺陷检测项目背景及难点 • 定位活螃蟹对活螃蟹进行捆绑。 • 由于螃蟹姿态多样性，螃蟹有大有小，以及成像效 果不佳，传统定位方式稳定性差，出现定位识别不 到。 • 定位虫草对活虫草进行注射。 • 由于虫草姿态多样性，虫草有大有小，以及成像效 果不佳，传统定位方式稳定性差，出现定位识别不 到。 项目优势 • 采用深度学习目标跟踪模块进行高准确度检测模型 训练，简单快速部署，提高检测效率。 项目成果 • 成像效果不佳，螃蟹姿态多样性，定位精准率能 达到99.9%。

深度学习---磁芯AOI检测： 缺陷检测项目背景及难点 • 检测磁芯印刷的正反面。 • 检测磁芯划痕。 • 检测磁芯破损。 项目优势 • 采用转盘飞拍方式检测。把磁芯缺陷检测样品分类， 收集图片，然后使用深度学习图像分类模型训练图 像集。 项目成果 • 分类准确率99.8%。飞拍方式，速度快。

深度学习---塑件AOI检测： 缺陷检测项目背景及难点 • 连接器外观对产品安全、功能、寿命至关重要，目前主要通过电子 放大镜配合人工检测，检测效率低且品控不稳定。 • 一款产品存在多种颜色，多个表面，材质有金属和塑料两种。 • 缺陷种类多，包含划伤、碰伤、杂质、异色、针脚变形、偏位、漏 插等。 项目优势 • 针对各个面检测需求定制组合光圈，多次曝光成像不同材质各类缺 陷。 • 采用深度学习缺陷分割模块进行高准确度检测模型训练，并支持多 模型并行，多个图像并行检测提高检测效率。 项目成果 • 设备整体漏检率<0.01% & 过检率<0.5%。 • 稳定导入生产现场，提升客户出货品质。

深度学习---二维码识别 项目背景 • CNC初加工完成后，识别来料上激光镭射的工业码区分来料信息。 • 二维码大小2*2mm，经过CNC加工后， 二维码有毛边，划伤， 水渍，脏污等噪点干扰。 项目优势 • 采用深度学习目标跟踪模块进行高准确度检测。 • 模型训练，简单快速部署，提高检测效率。 项目成果 • 二维码成像噪点比较多，通过训练维码库，应用后识别稳定 • 二维码识别稳定，识别率达到99.9%