基于深度学习的（AI-Intsoft）视觉检测系统比传统视觉有什么优势？

答：攻克了传统算法被复杂背景干扰的问题，以及无法对缺陷类型稳定分类等问题，因此在缺陷检测领域中，深度学习具有更多的优势。

什么是外观缺陷检测？

外观缺陷检测是通过光学组件、图像处理器、软件算法等集成的图像处理系统，其涵盖光学原理、软件技术、图像处理技术等专业学科；实时检测、识别被测物体常见表面的缺陷（划伤、破损、刮痕、脏污、条纹、亮斑等），部分外观检测的图像都存在比较复杂背景的干扰因素，对外观缺陷识别判断产生较大的影响，因此对检测系统提出极高的能力要求，传统的图像处理技术已经无法满足于当前的生产应用。

随着AI人工智能技术的快速发展，人工智能也逐步开始在工业领域中应用，盈泰德科技将深度学习技术应用到各种工业领域的缺陷检测设备，开发出以人工智能深度学习技术为主的Intsoft-AI视觉检测系统V1.0版本。

该系统可用于缺陷识别、物体分类、定位等功能应用，其可用于3C产品及零部件、半导体、LED、医药、汽车等行业，其结合传统算法实现对以下类型产品进行高精密外观缺陷检测：

深度学习不同于传统工业机器视觉，不需要专业人员的定制开发算法，前期只需要一部分NG和OK样本图片，用于缺陷标注训练即可完成模型的建立，后期遇到新增缺陷类型时，只需要完成新类型缺陷样本训练优化模型就能够完成新缺陷检测。

AI-Intsoft · 部分应用场景

包装缺陷检测：

新能源行业配件检测：

汽车行业客户现场：

3C行业案例：

案例：外观缺陷检测案例分享

检测产品：手机充电器PIN

检测内容：检测产品5个面共6种缺陷：划伤、点伤（凹点）、缺口、脏污、亮印、模印。

检测要求:

1、缺陷产品漏检率0.3%以内，

2、产品过杀率5%以内；

3、脏污缺陷：对菲林卡，小于0.1mm²以内OK；

4、点伤、划伤：0.02~0.08mm²2个以上NG，0.08~0.1mm²1个NG。

产品缺陷分析：

1、产品表面结构为粗糙面（类似磨砂质地），为电镀成型后的阶段，表面粗糙有很多凹坑影响成像质量；

2、划伤缺陷为表面凹状类缺陷，可能已伤及电镀层，缺陷凹坑形状较细并且都是比较深的，形状不一，位置不同；

3、点伤类缺陷是表面凹状类缺陷，面积较小，但分布比较多，深浅不一；

模印缺陷为产品制作是模具上造成的缺陷，在电镀后检测时，产品表面已经没有太大差异，缺陷比较轻微的人眼也较难识别。

4、脏污亮印缺陷为产品表面，电镀层上面存在的脏污和亮印，未伤及电镀层。

检测方案：

采用直线式设备，机械手上下料，5个工位检测，治具可以旋转，光源频闪，分步拍照产品表面缺陷，深度学习算法处理图像，全面实现外观缺陷检测，根据检测结果自动摆满托盘，自动叠盘收料。（如下图）

3C行业常见检测缺陷

图2 检测效果

图3 缺陷类型

案例：Type-c外观缺陷检测案例分享

检测产品：Type-c连接器

检测内容：检测产品铝屑不良、缺pin、塑料屑异物、塑料损伤、舌片底部金属丝、舌片端子漏B点等外观缺陷；

检测要求:

1、缺陷产品漏检率0%，

2、产品过杀率5%以内；

检测方案：

采用直线式自动设备，对接客户自动化产线，共有4个检测工位，产品通过直振上料，移载到检测工位进行拍照检测，利用深度学习算法跟传统算法相结合的方式，对产品缺陷进行检测识别，再根据检测效果进行OK\NG分类。如下图。

检测效果1

检测效果2

检测效果3

检测效果4

以上简述仅为部分应由场景，基于深度学习的（AI-Intsoft）视觉检测系统，已具备强大的识别能力、缺陷检测能力、

在大部分的自动化、半自动化产业中，可以实现95%以上的产品质量检测难题。

传统的机器视觉算法被复杂背景干扰的问题，以及无法对缺陷类型稳定分类等问题，对基于深度学习的（AI-Intsoft）视觉检测系统来说，都可以轻松的搞定。

（AI-Intsoft）视觉检测系统的未来

（AI-Intsoft）视觉检测系统还可以做到更多，我们会一直保持 AI-Intsoft 的更新迭代。

在未来，我们希望 AI-Intsoft 会应用各种工业领域中，踏实帮助更多企业做好质量控制，在复杂的环境下，解决更多细微的检测问题，让更多产品实现零瑕疵。