适用场景
无规则特征分类
针对特征无规则产品,有效区分合格品与不良品
图例:大枣分级
抗干扰检测
排除类似缺陷的干扰特征,避免过杀
图例:真实隐裂缺陷准确识别
恶劣环境检测
光照复杂、明暗不一的环境中稳定检测
图例:安全带高速运动下的缺陷检测
非量化缺陷识别
针对无法从灰度、轮廓等量化区分的缺陷,实现定性判断
图例:热压焊焊疤检测
微弱特征捕捉
检测对比度极低的缺陷
图例:标签贴合产生的气泡缺陷
复杂背景缺陷检测
从缺陷特征对比度低且带有干扰纹理的复杂背景中精准识别缺陷
图例:注塑件的外观缺陷检测
系统优势
光伏接线盒激光焊焊后检测
接线盒是光伏组件的关键器件之一,其中汇流条和电极之间的焊接存在多种工艺,激光焊是现在的主流方式。而激光焊接后的“焊疤”质量问题是关键,焊疤的形态是多样化的,无法采用传统的方法去提取焊疤区域。AI融合缺陷检测系统能够像“人眼”一样精准分割焊疤区域

玉米包装前缺陷检测与识别
玉米在真空包装前,需要对其外观所有缺陷进行检测,包括:霉变、缺粒、脏污、异物等缺陷。同时,还要给自动化机构发送“头尾”和“长度”信息,以确保玉米全部基于同一方向且按大小分类包装。利用专门设计的“真彩成像模块”,可以将玉米的所有特征清晰呈现,且不会有任何“反光”问题。基于玉米细节特征丰富的图像基础,训练出专用的玉米缺陷AI检测模型,可精准输出缺陷类型——最终每条线每分钟可检测包装120个玉米,且实现玉米360度范围缺陷全检测

鸡蛋装盒前外观缺陷检测
鸡蛋装盒前存在诸多缺陷问题,包括:麻点、脏污、隐裂等。系统配置的“远心光学”模块,只需要2个摄像头即可看全鸡蛋360度范围内的所有缺陷。基于AI像素分割模型,可以精准输出鸡蛋上缺陷区域的类别名称,从而把不同缺陷类别的鸡蛋分拣到不同流道进行进一步处理
















































陕公网安备61019002003244号



