VisionBank AI算法平台

基于极简的系统架构,稳定高效的简单应用操作,强大的算法能力,轻松实现“0漏检”,助力企业倍速提升生产效率

系统架构

基于面阵平台、线阵平台&传统、AI、3D算法的机器视觉解决方案

开发模式

多种开发模式

图形化界面开发

完全图形化的软件交互界面,功能模块直观易懂,拖拽式
操作能快速搭建视觉方案

SDK的二次开发模式

通过使用VisionBank AI算法开发平台提供的控制和数据获取接口来完成自定义开发

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

四六轴机器人引导定位-1

四六轴机器人引导定位-2

四六轴机器人引导定位-3

饼皮定位

四六轴机器人引导定位

转子铁芯

键盘按钮定位

引导定位

Guided Positioning

制造业自动生产装配过程中,机器人需要知道来料的位置,
才能完成后续的加工、装配、搬运等一系列动作。及时、准确的获取来料的坐标位置,
是机器视觉定位引导系统需要解决的问题。
维视智造定位引导解決方案,具备良好的系统兼容性和鲁棒性支持用户快速搭建开发,
完成引导定位任务。

手机相机固定模组缺陷

电容注胶外观

医疗器材缺陷外观

液晶屏破损缺陷检测

食品包装盒缺陷

缺陷检测

Defect Detection

产品生产制造过程中产生的表面缺陷会影响其性能及客户体验,传统人工检测的方法需要耗费大量的人力,且无法满足现代生产工艺和节奏的要求,利用机器视觉的方法进行智能化检测可以有效的解决这一问题,同时节省成本提高产能。因此,表面缺陷检测是机器视觉一个重要的应用方向。
目前维视智造的缺陷检测解决方案已经成功应用在3C电子、光伏、半导体、医药、日化、食品等行业的产品生产过程质量检测中,有效促进了产品高质量的生产与制造业自动化和智能化的发展。

字符识别

医药行业包装标签字符检测

字符识别

Character Recognition

字符识别包含宇符读取、字符校准、二维码 &条形码读取、宇符及条码印刷质量检测等内容,常被应用于工业场景中对物体、包装上的宇符及条码进行读取或核对。
维视智造的字符识别解决方案加载深度学习技术,无需调参、无需训练、无需登录字体库,即可一步完成全场景兼容的字符识别。 

包装盒表面胶路检测

包装盒尺寸测量

电容外形尺寸

军工行业角度检测

机加工件角度测量

尺寸测量

Dimension Measurement

尺寸测量泛指利用被测物产品特征进行全局或局部尺寸数据获取的应用,包括:长度、平行度、角度、圆弧长、圆直径/ 半径、点到线的距离、点点距离、线到曲线的最近/最远距离等。尺寸测量既可以用于产品生产过程中的尺寸数据管控,也可以用于数据的获取。
维视智造尺寸测量解决方案在软硬件、系统配置、精度等多方面具备优势,为用户精益生产助力。

有无检测

注塑件有无

型材计数

粘结块计数

有无计数

The Count

有无主要检测明显特征的存在,计数是对产品,特征的数量进行统计,从而确保产品上的关键元器件不会存在缺漏等问题。
维视智造在高速计数、多目标计数及检测的检测时间及准确性上做了专门优化。

连接器引线色序检测

冲压件镀金检测

颜色识别

Color Discrimination

机器视觉颜色识别主要应用在彩色产品的分选、检测、识别中,如电子元器件内部绕线判别、电缆排线识别、产品色差变化识别等。
 维视在颜色检测应用中设计了开放式的算法流程。支持用户将彩色图像进行不同颜色空间的转换和单通道提取,从而可以用更加灵活的灰度算法解决颜色检测问题。

平台优势

应用简单

· 模块化、0代码、智能化、拖拉拽式的开发模式,几何级提升视觉应用搭建效率
· 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

 · 20年的一线经验积累,涉足成千上万的视觉检测场景,形成VisionBank AI扎实全面的能力基因
 · 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

随着新算法、新技术和创新应用方法的不断发展,VisionBank AI
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...
立即探索

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...
立即探索

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深度融合,可以利用...
立即探索

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...
立即探索

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)

image.png

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.png

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。


图片1.png

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。


11倍.png

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

图形化开发方式 操作一目了然

业务合作
如有业务需求,欢迎留言咨询,我们将为您提供更多服务方案。
填写表格 一键下载
如果您有任何疑问或者问题,欢迎在此留言并留下您的联系方式,我们将尽快回复您。
*所属行业
*您的城市
*贵司名称
*您的姓名
*您的电话
*您的邮箱
*验证码
您的需求