-
-
橡胶材料瑕疵检测
布匹材料瑕疵检测
金属材料瑕疵检测
结合深度学习技术,使用计算机视觉应用解决工业智造生产过程中的产品瑕疵检测需求。
利用深度学习强大的特征学习和表达能力,解决瑕疵类型复杂多变的难题。
从数据收集处理、模型设计选型训练到系统集成上线应用,提供一套完整的端到端AI解决方案
核心算法
可运行于主流深度学习网络框架Tensorflow /Pytorch上
以卷积神经网络(CNN)为骨干架构,采用语义标签,可以对图像画面中的前后景物体以更高效处理速度实现更精确的识别,更好的从背景中分割出瑕疵区域
系统集成上线应用
提供算法模型集成化服务,输入输出采用RESTful API接口方式统一对接:
与已存在软硬件(如工业相机采集图片)直接对接,无需重新改造
随时升级不改变原有对接方式,更利于迭代更新提升模型识别效果
方案优势
1. 采用深度学习方法实现智能检测,相比于传统算法,适用性更强、准确率更高
2. 瑕疵检测具备自主学习能力,随着数据增多可以不断提升识别准确率
3. 提供软硬件一体的解决方案,适用于多种类型瑕疵,针对不同钢板产品提供针对性解决方案
钢板瑕疵检测
-
OCR技术应用于智能制造场景:
※ 提供OCR技术敏捷开发能力,可快速落地应用;
※ 具备复杂工业场景应用能力,已落地多个产品型应用;
※ 技术能力强大,算法识别准确率远高于同类产品。
视频播放失败,请联系站点管理员!
视频播放失败,请联系站点管理员!
物流面单OCR识别分拣解决方案:
快递于传送带上运动,触发光电传感器控制工业相机拍照,拍摄图片经过预处理后进行算法识别,主要算法模型包括:
Ø面单定位:通过定位算法识别图像中的“面单”区域Ø文字检测:通过检测算法对“面单”区域中的文字部分进行检测,获取“三段码”和“条形码”文字部分Ø文字识别:通过识别算法对“三段码”和“条形码”的文字内容进行识别,识别字符内容后输出结果其他应用场景包括:产品表面喷码识别、仪器仪表盘刻度实时识别等
针对快递面单脏污、遮挡、褶皱等异常图片识别有较好的识别效果;
识别响应效率高,≤60ms;
针对“四通一达”各快递公司的不同类型自动适配
-
安全帽识别算法
反光衣识别算法
火焰检测
烟雾检测
人员闯入识别
越界检测
聚众检测
离岗检测
人流密度
不同款式各色工服识别
规范检查的主要算法模型:
消防通道堵塞
客流统计
吸烟/打电话识别
跌倒识别
车牌识别
机动车占道识别/车辆违停识别
OCR 识别
徘徊检测
......
人员执行规范检测:人员执行规范检测:
针对智慧工厂、智慧园区等场景下的各类执行规范检查,提供通用性算法能力
算法模型具备泛化性,移植到不同场景下具备效率高、成本低的特点;
算法模型支持部署到低成本边缘计算设备,降低建设成本;
提供标准API接口,支持第三方整合应用。
已应用到工业企业、物流仓储、智慧园区、明厨亮灶等应用场景,已落地国内外千余用户。
-
-
-
视频播放失败,请联系站点管理员!
视频播放失败,请联系站点管理员!
智能广告应用:
针对视频节目内的物、人等素材及特定场景的识别,关联智能贴片广告
-
视频播放失败,请联系站点管理员!
针对广告视频的关注点评估:※ 贴片广告AI眼动模型※ 植入广告AI眼动模型※ Feed广告AI眼动模型-
- ※ 支持常用视频格式(如:MOV,MP4,AVI等)输入;
- ※ 支持文件大小500MB以内,视频时长为10分钟以内(其中植入广告AI眼动模型需支持时长一小时以内视频文件分析)的视频分析任务,并生成带眼动热力图渲染的视频分析文件;
- ※ 分析任务支持框选兴趣区,模型需输出兴趣区对应的关注度数值;
-
-