核心优势

处理能力强：基于卷积神经网络（CNN）开发的深度学习功能，对于不同材料表面的形式各异的瑕疵，均可作出良好的检出率。

高效性：能够将大数据量的图片有效的降维成小数据量。

特征保留：能够保留图片的特征，类似人类的视觉原理。

应用领域

图像分类与检索，目标定位检测，目标分割

深度学习概念

深度学习是人工智能的核心技术，结合了深度学习的机器视觉系统，能让机器像人一样具有分析学习能力，从而识别文字、图像等数据信息，解决多种复杂的模式识别问题。

病理学分析

细胞计数：通过深度学习训练模型，将细胞的数量、半径、密度等信息计算出来。

转子表面缺陷检测

项目难点：刀纹理会影响压痕缺陷的检测，利用深度学习就可以把压痕和刀纹区分开来

焊点项目识别效果

轻微焊斑检测效果

优点：对比度强且连贯的轻微焊斑，检测效果好

线圈焊锡质量检测

项目难点：外围线圈特征复杂

检测逻辑：分割模型将产品特征分割出以后，用传统斑点进行逻辑判断