-
产品中心
- 工业视觉
- VI Generator 2.0
- AI Agent for LabVIEW
- AI Vision Toolkit for OpenVINO™ for LabVIEW
- AI Vision Toolkit for GPU for LabVIEW
- AI TrainKit for Detection
- AI TrainKit for Segmentation
- AI AutoLabeler
- AI系列教学实训
- AI 视觉教学实训系列
- 具身智能协作平台教学实训系列
- 大模型人形机器人教学实训系列
- 移动四足机器人教学实训系列
- 院校部分案例
-
下载中心
-
案例展示
-
新闻中心
-
联系我们
-
代理合作
-
FAQ
-
产品中心
- 工业视觉
- VI Generator 2.0
- AI Agent for LabVIEW
- AI Vision Toolkit for OpenVINO™ for LabVIEW
- AI Vision Toolkit for GPU for LabVIEW
- AI TrainKit for Detection
- AI TrainKit for Segmentation
- AI AutoLabeler
- AI系列教学实训
- AI 视觉教学实训系列
- 具身智能协作平台教学实训系列
- 大模型人形机器人教学实训系列
- 移动四足机器人教学实训系列
- 院校部分案例
-
下载中心
-
案例展示
-
新闻中心
-
联系我们
-
代理合作
-
FAQ
案例展示
CASE PRESENTATION
开关主体外表缺陷检测
客户需求
客户是一家专业从事开关生产的制造商,需对开关外壳主体进行全面外观质量检测。由于开关体积较大、型号多样,表面可能出现刮花、压伤、缺损等多种缺陷,其中部分刮痕区域极为细小。现有检测方式主要依赖人工目检,但检测疲劳导致漏检率较高,亟需引入更加稳定高效的自动化检测方案。
方案概述
基于仪酷研发的AI算法平台,构建了一套纯AI视觉检测方案,通过少量(20+)样本完成数据标注与训练后快速上线。该方案无需依赖传统规则算法,具备更强的泛化能力与检测精度,尤其适用于检测低对比度、细小面积的瑕疵。此外,算法能力无缝集成进客户原有的LabVIEW控制系统中,使得检测软件与产线硬件间的数据与资源调动更高效,部署与运维更为便捷。
优势价值
·检测稳定性大幅提升:成功识别微小划伤等传统手段难以检测的缺陷类型,显著降低漏检率;
·减少人工依赖:实现关键环节自动化,每条产线减少2~3名质检人员;
·集成效率高:AI算法模块可直接嵌入LabVIEW架构中,无需额外硬件控制系统,节省对接时间与调试成本;
·兼容性强:同一套AI模型可适配多种型号开关主体,具备良好的扩展性和复制能力。
智能微瑕疵识别技术
产线零改造智能融合方案
跨型号自适应检测架构
仪酷苏州:江苏省苏州市张家港市弘吴大道199号E栋601-1
仪酷安庆:安徽省安庆市宜秀区天柱山路80号科技创业园3号楼307A
官 方 公 众 号
