
系统架构

开发模式

图形化界面开发
操作能快速搭建视觉方案


SDK的二次开发模式

3类深度学习专用工具 补齐传统算法盲区
特征智能分割
解决缺陷特征难识别问题
场景痛点:缺陷特征及其不明显;或真实的缺陷特征和非缺陷特征极其相似
解决方案:标记缺陷所在区域,训练像素分割神经网络模型,
完成缺陷区域的智能分割
特征智能分类
解决缺陷特征分割不稳定问题
场景痛点:缺陷特征所在背景复杂无规律
解决方案:将缺陷特征和背景作为训练数据,训练神经网络模型,
完成缺陷特征的智能识别
智能定位
解决兴趣对象难以稳定定位的问题
场景痛点:待定位对象没有规律的特征参数
解决方案:将不一致的各类待定位对象区域作为训练数据,训练深度学习定位 神经网络模型,完成深度学习智能定位
1000+算子工具深度覆盖6大应用场景
引导定位
缺陷检测
字符识别
尺寸测量
有无计数
颜色识别

平台优势

应用简单
· 操作界面清晰易懂,维护门槛再降低

稳定高效
结构稳定
· 基于15年的研发使用时间,已形成高度稳定的系统架构
· 成熟的模块化算法结构,历经市场千万次验证,软件稳定性更强
运行效率高
· IO、PLC协议、图像存储等功能全部内置,功能完备,可快适配机器视觉其他软硬件部署
· 流程与流程间、模块与模块间均支持并行运算

深入场景
· 针对细分场景,开发大量专用算法模块,如弹簧检测、齿轮检测、管材检测、扇贝定位等

快速迭代
简洁高效的模块化项目开发架构及系统架构可高效完成升级迭代,
从而覆盖更广的场景问题。
技术突破
深度学习算力平台 降本16倍
VisionBank AI在线推理的神经网络模型均基于OpenVINO进行了模型优化。
优化后的模型,对算力平台的要求最高可降低16倍(不同类型的模型优化结果有差异)。
VisionBank AI的在线推理可以全部基于CPU完成,在企业生产项目管理流程中,
可直接借助CPU算力进行AI大规模数据推理,降低GPU使用需求,从而优化成本控制。
优化后的神经网络模型检测“焊靶”缺陷,处理时间仅需24ms(基于CPU推理)

全新升级架构,
同步运行流程最高支持16个
VisionBank AI最新升级的架构模块,最多支持16台相机同时并行检测,
一台处理器可以当16台处理器使用,在多相机协同工作场景,
实现了有效的成本优化。

16个图像单元并行运算

深度学习与传统算法深度融合
训练数据量降低100倍
创新的深度学习模块和传统缺陷检测算法相融合,
可以利用传统算法“过检”后的“图像块”来训练
“缺陷过滤神经网络模型”,在利用对抗训练的准确性优势下,
有效解决了“负样本”图像数据获取问题。

使用传统算法的“中间数据”训练网络模型

新一代特征匹配算法 提速11倍
VisionBank AI的核心图像处理算法始终看齐国内外最前沿技术,
最新开发的第四代“特征匹配算法”,相对于第一代算法,
匹配速度提升了11倍,支持以下异常特征匹配:特征被部分遮挡、
特征大小有缩放、特征扭曲变形以及特征显示不全等。

匹配定位+线芯检测502个对象,总耗时103毫秒(500万像素)

项目开发流程







Operation At a Glance