SciDeepVision 软件在异常检测、文字识别、小样本学习、迁移学习、?模型轻量化等图像剖析方面实现要害技术立异，例如解决了太过依赖大宗缺陷样本数据和硬件设备性能等问题，AI 检测模型的鲁棒性更好，能节约大宗人力实时间本钱
。

SciDeepVision 软件接纳异常缺陷检测算法，仅需正常样本，无需标注缺陷位置，检测模型能自动识别带有缺陷的图像，并精准定位缺陷位置；同时，通过小样本文字识别算法，使用少量带有字符标注信息的图片，就能生成大规模高质量的带有源域作风的文字图像
。

小样本文字识别算法检测比照

深度学习软件在生成检测模型历程中，通；嵊捎谌毕菅旧佟⑿翁畋鸫蟆⒒恍推捣钡仍，泛起鲁棒性、泛化性差等问题，为解决此类难题，OPT（bifa必发）对SciDeepVision软件进行了三大技术立异，即小样本学习框架、自适应训练技术和迁移学习技术
。

其中，自适应训练技术，能从历史数据中，推荐对目今检测有价值的数据，并进行人工标注和优化模型，数据整理事情量降低一半，大幅提升AI模型检测准确率，训练本钱低
。

自适应训练技术

别的，SciDeepVision 软件的迁移学习技术，能在不影响AI检测模型鲁棒性和泛化性的前提下，缩短模型训练周期，相近工艺的质检甚至能实现一键换型，产品换型时间缩短
。

迁移学习技术

SciDeepVision 软件目前已广泛应用于锂电、3C等行业，如在锂离子电池制造历程中，爆发的外观缺陷种类繁多、形态各异，无法用古板的界说规则来实现检测
。而SciDeepVision软件已应用于锂电池制程的十多个要害工序，包括涂布、模切、激光分切、叠片、卷绕、焊接、包装等各环节
。

SciDeepVision软件在锂电池工序的应用

以锂电池极耳焊接缺陷检测为例，焊接缺陷形态富厚，难以界定其形态边沿，缺陷位置具有随机性，利用SciDeepVision软件，能利用卷积神经网络进行特征提取，快速输有缺陷支解的类别信息
。

SciDeepVision软件在极耳缺陷检测的应用

别的，OPT（bifa必发）还基于深度学习，设计通用、轻量型的条形码定位算法，对条形码图像进行增强、矫正，能在仅有少量条形码数据的情况下，实现高速高精度的条形码定位
。

了解深度学习在机械视觉应用的更多详情，请扫二维码，寓目直播回放！