通過應(yīng)用“顛覆性的技術(shù)” 提升客戶在制造領(lǐng)域的品質(zhì)和生產(chǎn)力，是七海測量引導(dǎo)客戶實現(xiàn)數(shù)字變革的基礎(chǔ) 。在七海測量多家客戶的智能工廠現(xiàn)場，您可以看到數(shù)臺智能設(shè)備正在日夜無休的進行有序且高效地檢測缺陷，曾經(jīng)需要耗費大量的人力物力檢測的劃痕大部分、裂紋強大的功能、雜質(zhì)、斑點解決方案、氣泡等不規(guī)則/隨機性缺陷優勢，如今七海測量利用AI人工智能領(lǐng)域的深度學(xué)習(xí)技術(shù)，讓機器視覺檢測有了“大腦”基礎，實現(xiàn)了實時在線提供堅實支撐、漏檢率和過殺率低、可追蹤性與高效率的智能缺陷檢測高產。

  傳統(tǒng)的人工檢測表面缺陷檢測的方法因為空間與時間分辨率有限信息化技術，存在很多不足之處，人眼視覺所能檢測的缺陷尺寸需要大于0.5mm良好，且需要較大的光學(xué)形變(64灰度級)逐步顯現，同時當(dāng)待測物體的運動速度達到3m/s時，人眼將不能發(fā)現(xiàn)缺陷的具體形態(tài)，并且由于人眼會疲勞自動化裝置，會有比較高的誤檢率及漏檢率示範。

  得益于圖像處理、模式識別等技術(shù)的發(fā)展有很大提升空間，以機器視覺為主的表面缺陷檢測方法在產(chǎn)品質(zhì)量控制環(huán)節(jié)中得到了廣泛的應(yīng)用運行好。機器視覺瑕疵檢測可到微米級，機器快門時間可以達到微秒級可能性更大，識別和判斷穩(wěn)定部署安排，檢測效率得到提升。但是表面缺陷檢測系統(tǒng)的核心在于缺陷檢測算法關鍵技術，這一階段的缺陷檢測算法主要是統(tǒng)計了解情況、光譜、模型技術研究、學(xué)習(xí)和結(jié)構(gòu)重要的，過程分為圖像預(yù)處理、目標(biāo)提取姿勢、特征選擇及模式分類相互融合，每個環(huán)節(jié)都會對模型的識別率產(chǎn)生影響。尤其在數(shù)據(jù)量較大且復(fù)雜的情況下綠色化，特征選擇的難度會增加不同需求。同時在測量效率方面存在很大的局限性。

  近十年保持穩定，3C智能硬件的快速迭代促使生產(chǎn)檢測技術(shù)不斷推陳出新總之。深度學(xué)習(xí)技術(shù)則推動AI人工智能快速進入生產(chǎn)制程。

  深度學(xué)習(xí)：深度學(xué)習(xí)的思想源自于“人工神經(jīng)網(wǎng)絡(luò)”動力，從大腦中汲取靈感同時，模擬人腦分析問題機制并建立分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)的基本構(gòu)建模塊是人工神經(jīng)元-模仿人類大腦神經(jīng)元效高性。正如大腦數(shù)十億個神經(jīng)元神經(jīng)元分布在神經(jīng)網(wǎng)絡(luò)的幾個層中模式，之間有數(shù)萬個連接，深度學(xué)習(xí)模型涉及大量的計算單元提升，它們彼此交互時對所建模數(shù)據(jù)潛在分布的多層表征進行自主學(xué)習(xí)高品質。

  深度學(xué)習(xí)技術(shù)賦能機器視覺，在特征自主學(xué)習(xí)及識別任務(wù)中擁有更好的表現(xiàn)支撐能力，可以自動對輸入樣本進行特征提取資源優勢。相比于傳統(tǒng)的機器視覺方法，基于深度學(xué)習(xí)的視覺缺陷檢測系統(tǒng)可以減少手動提取特征對識別精度的影響特征更加明顯，更精確的檢測并識別產(chǎn)品表面缺陷長效機製。針對檢測目標(biāo)特征復(fù)雜及提取困難的問題講實踐，深度學(xué)習(xí)也能夠提供很好的解決方法。所以說奮戰不懈，基于深度學(xué)習(xí)的機器視覺瑕疵檢測系統(tǒng)有效地控制了產(chǎn)品表面質(zhì)量市場開拓，從而改善企業(yè)的生產(chǎn)控制過程和提升競爭力。

  作為計量和制造技術(shù)方案專家大大縮短，七海測量致力于協(xié)助工業(yè)制造企業(yè)開發(fā)技術(shù)和改變未來的產(chǎn)品要落實好。為了契合3C行業(yè)日趨嚴(yán)苛的高效高標(biāo)準(zhǔn)瑕疵檢測需求，七海測量歷經(jīng)了近三年時間自主研發(fā)基于深度學(xué)習(xí)的Proxima瑕疵檢測軟件系統(tǒng)和多套硬件型號更默契了，凝聚多項先進技術(shù)先進技術，解決客戶在產(chǎn)品表面瑕疵檢測環(huán)節(jié)遇到的各種問題：

  對工件的缺陷進行精準(zhǔn)定位和識別，高效訓(xùn)練并快速輸出直觀的檢測結(jié)果不合理波動。七海測量基于深度學(xué)習(xí)的機器視覺瑕疵檢測應(yīng)用深度學(xué)習(xí)中不同類型即層次的神經(jīng)網(wǎng)絡(luò)宣講手段，比如卷積神經(jīng)網(wǎng)絡(luò),循環(huán)神經(jīng)網(wǎng)絡(luò),長短期記憶對深度學(xué)習(xí)訓(xùn)練的模型和速度進行優(yōu)化，使我們的瑕疵檢測在短時間內(nèi)可達98%的準(zhǔn)確率積極拓展新的領域。

                  精準(zhǔn)定位和檢測結(jié)果

  系統(tǒng)設(shè)計簡潔配套設備，深入淺出。從樣本標(biāo)注到模型訓(xùn)練相對開放、再到檢測各環(huán)節(jié)緊密相扣推進高水平，Proxima瑕疵檢測軟件系統(tǒng)將復(fù)雜的神經(jīng)網(wǎng)絡(luò)用簡單的方式呈現(xiàn)給客戶使用，系統(tǒng)采用 Microsoft Office GUI標(biāo)準(zhǔn)拓展應用，無需深入了解底層算法也可快速入手生產創效。

                       軟件標(biāo)注界面

  提供多種訓(xùn)練模型及方法，適用性強領先水平。Proxima瑕疵檢測軟件系統(tǒng)訓(xùn)練模型時可根據(jù)產(chǎn)品特征選擇的深度學(xué)習(xí)模型，能夠快速準(zhǔn)確的學(xué)習(xí)到瑕疵特征，適用性強戰略布局，可應(yīng)對復(fù)雜軟件訓(xùn)練界面

  導(dǎo)出報告即可查看檢測結(jié)果分布情況事關全面，透視直觀。通過Proxima瑕疵檢測軟件系統(tǒng)檢測后讓人糾結，可以在報告中直觀的看到檢測結(jié)果分布情況規模，包含缺陷位置穩定發展、形態(tài)大小和類型等基石之一，并可以導(dǎo)出為html網(wǎng)頁文件報告，通過網(wǎng)頁瀏覽器即可打開增持能力，輕松方便的保存記錄測試結(jié)果共同努力。

                          軟件檢測界面

  區(qū)別于其他傳統(tǒng)的缺陷檢測方式，七海測量的Proxima瑕疵檢測系統(tǒng)只需要少量的瑕疵圖片就可在短時間內(nèi)進行大規(guī)模的訓(xùn)練追求卓越。而且采用GPU專用處理算法逐漸完善，大幅提升檢測效率參與能力，以及通過基于深度學(xué)習(xí)的檢測算法,可以提高準(zhǔn)確度，降低漏檢率和過殺率是目前主流。

  另外充分發揮，七海測量將瑕疵檢測與尺寸檢測合二為一，解決用戶瑕疵需求的同時也解決用戶尺寸的檢測需求充分發揮。這項功能可謂是一舉兩得選擇適用，減少了大量的時間和投資成本，提升了產(chǎn)品質(zhì)量的同時也驅(qū)動產(chǎn)量的提升設計。

  簡而言之業務指導，借助于深度學(xué)習(xí)的新技術(shù)，七海測量的瑕疵檢測系統(tǒng)支持少量樣本訓(xùn)練就此掀開，簡單上手易操作長足發展，高效高質(zhì)檢測。這套基于深度學(xué)習(xí)的瑕疵檢測系統(tǒng)可以廣泛應(yīng)用于不同行業(yè)穩步前行，比如電子行業(yè)結構不合理，玻璃制造業(yè)， 3C 手機行業(yè)等逐步顯現。目前發揮，七海測量已經(jīng)在多個項目中投入使用，為多個客戶創(chuàng)造了巨大的價值快速增長，比如聯(lián)想開放以來，綠點，富士康高質量，東尼等知名公司提供了有力支撐。為智能制造持續(xù)賦能，幫助我們的客戶提質(zhì)增效前景，實現(xiàn)數(shù)字變革進一步意見，是七海測量持之以恒的追求。