产品外观质检_工业质检_工业智能质检-百度AI开放平台

方案介绍

方案架构

应用场景

特色优势

相关推荐

方案介绍

使用人工智能深度学习核心技术手段，结合2D/3D工业相机、自动化工装、机械臂等硬件设备，提供全套的工业产品外观瑕疵检测解决方案

应用效果

可以与企业现有产线集成，实现对最终产成品、中间过程产品、原材料等环节的质量自动检测，取代现有人工质检操作，打通全产线自动化流程，提升质检和生产效率

与传统技术相比的优势

对比于传统AOI机器视觉自动检测技术，人工智能深度学习技术可以检测更多的瑕疵类型，拥有更高的准确率、鲁棒性和泛化能力，在产线中发现新的瑕疵类型时，可以更加快速、低成本的实现模型更新

方案架构

方案构成及使用流程

企业用户在应用场景中选择跟自身企业产品相关的产品类型，并发起合作申请，百度将针对企业需求进行方案落地。方案的落地过程包括模型验证、补充训练、集成落地、持续优化等几个阶段

模型验证

企业提供产品现有瑕疵样例图片，验证现有模型的识别效果是否达到要求

补充训练

如果现有模型的识别效果不佳，企业提供补充训练图片进行模型优化

集成落地

现场勘查企业产线，针对产线制定硬件配套方案，可以选择一体机或硬件定制

持续优化

对于运行中新出现的瑕疵类型，可以通过在线服务非常方便的进行更新

应用场景

键盘外观检测

木地板外观检测

工业喷油嘴检测

纺织品针检检测

塑料瓶检测

医药说明书检测

玻璃瓶尺寸检测

键盘外观检测

在制造和组装键盘流水线中，自动识别键盘组装后的合格性，包括缺件、错装、正常三类

合作案例

特色优势

软硬一体化

提供软硬一体化的全套集成落地方案，方便快捷

算法模型领先

具备领先的算法模型优势，针对每个细分领域单独打造最优的识别模型

边缘加速卡

百度拥有Edgeboard人工智能边缘计算加速卡，可以在端设备上实现对AI模型的现场加速，实现产线上的高速实时识别

在线模型训练管理

提供模型补充训练的SaaS服务，方便质检方案投产运行后的新瑕疵补充训练和模型更新，做到高速高效

欢迎企业和服务商合作

如果上述场景满足不了您的需求，或者您有很好的质检合作场景，请快速与我们取得联系，请点击下方的合作咨询