深眸科技自主创新构建的工业AI视觉系统解决方案已在主流工厂中实现1000+生产线部署的落地应用， 并以机器视觉和深度学习算法为核心不断优化，有效克服少样本学习问题，对不同种缺陷类型有效准确的检出、分类。 目前，漏检率低于0.1%，且随着检测缺陷的样本量增加检出率持续增高。
适用场景
缺陷检测
结合人工智能和图像处理技术，通过图像预处理，标注，训练方式，快速识别破损、尺寸不标准、圆形度不良、 边缘缺损或凸起、脏污、划痕和表面残留污等多种缺陷，快速提高产线自动化、智能化程度及检测效率。
视觉分拣
基于3D视觉系统，控制规划系统控制机械臂对如农产品、化妆品、医药卫生产品等进行识别、 定位、抓取和分类，可稳定区分不同形状、大小、包装，对多种物品分类抓取分拣。
物流供包
深眸科技结合深度学习与视觉系统，服务于真实场景，为物流供包提供完善的解决方案。
成功案例
猪肉分类、贴标
盒装猪肉需要在猪肉分类装盒且封膜后贴标签，过程中，由于猪肉种类繁多复杂，且常伴随着来料混杂的情况，依靠人工肉眼分类贴标，不仅易出现错贴，且工作效率低下，人工成本大。
项目难点：
· 超50多类的产品类别
· 相似类别众多，不易分辨
· 同一类别的肉在颜色上存在较大差异
· 同一类别的肉在形状上存在较大差异
项目效果：
· 识别速度≥100盒/分钟
· 大容量样本库，多类肉都能做精准识别
· 识别结果实时输出到贴标机，标签贴错率降低至1%
· 24小时连续识别，人工成本降低25%
技术优势：
· 深度学习图像样本，建立准确算法模型，稳定精准分类
· 不受来料的随机混料影响，实时检测且快速输出对应标签
· 新增品类只需简单的训练操作，耗时少，不耽误新品上线
氢燃料电池极板缺陷检测
氢燃料电池极板在生产工艺中会产生划伤、掉膜、凹凸点、脏污等缺陷，依靠人工目测检查的方式，存在较高的误检、漏检，同时有些细小缺陷，难以被肉眼检测出，容易造成不良品的流出。
项目难点：
· 缺陷多样化、分布不规则
· 局部特征和缺陷特征具有很高的相似度
· 缺陷尺寸在丝米级别，类别差不明显
· 缺陷规则的方向性，较难实现全部缺陷检出
项目效果：
· 增强了对电池极板上的干扰纹理的适应性，误检率降低 了20%
· 实现在丝米级精度下精确地对不同类型缺陷的对比分类, 精准度高达99.9%
· 实现同一产品的不同角度识别的融合处理，准确率高、 稳定、覆盖面广
技术优势：
· 背景感知、强化学习等AI技术
· 多尺度特征融合训练与小目标缺陷检测技术
· 多角度图像采集点智能协同方案
· 像素级轮廓特征处理算法
