,,

維視智造VisionBank AI：更實用的產品是與市場深度相同的頻率

（2024年11月23日更新）

機器視覺是一個由成像、算法、計算能力和應用四個環節驅動的綜合系統。軟件和算法是系統實現的滿足市場需求，為機器植入更敏銳的眼睛和更智能的大腦，其中軟件和算法是系統實現的技術核心。從授權制造到升級智能制造，算法完整、高效、穩定、通用、易用的軟件平臺將迅速推動工業制造業的數字成本降低，提高效率，提高企業產品的競爭力。

芯片采購網專注于整合國內外授權IC代理商現貨資源，芯片庫存實時查詢，行業價格合理，采購方便IC芯片，國內專業芯片采購平臺。

研發創新與市場頻率相同打造工業視覺算法平臺實力

從視覺硬件到軟件平臺，作為機器視覺行業的綜合解決方案提供商，20年來，視覺智能制造見證并參與了國內外機器視覺的發展，積累了豐富的行業和客戶經驗。智能制造的實現與生產線和工業視覺的共同研發和升級密不可分。視覺智能制造從未脫離工業現場談論新技術，

面對算法技術快速人工智能化的大趨勢，基于多年深刻的行業認知，維視智能制造已經被市場實踐驗證VisionBank以上，通用智能產業視覺算法平臺隆重推出，解決市場新需求——VisionBank AI。

與以傳統算法或深度學習為核心的軟件相比，VisionBank AI將20年的傳統算法積累與深度學習有效融合，最新版本幾乎可以在任何行業場景下完成圖像處理任務。與此同時，隨著新算法、新技術和創新應用方法的不斷發展，VisionBank AI升級迭代將在其優秀的項目開發架構和系統架構上快速完成，以解決更多的場景問題。

大道至簡平臺降雙本

Visionbank AI傳統視覺與深度學習算法的創新融合OpenVINO硬件加速可以幫助制造用戶快速建立自己的深度學習解決方案，簡化開發過程，提高檢測準確性，有效幫助用戶節省部署成本。主要體現在兩個方面：

一、平臺完善、穩定、易用、高效，促進人工降本。近年來廣為人知的行業痛點是制造業勞動力短缺和勞動力成本高，在部署工業視覺系統時，功能齊全，操作簡單，處理快即使軟件平臺安排很少，經驗不足，也可以在短時間內啟動——

1.VisionBank AI不是深度學習技術熱后的新產品，而是將深度學習技術深度融入具有20年應用積累的軟件中的升級產品，得到了大量行業的驗證和認可IO、PLC協議、圖像存儲等功能全部內置，功能更完整，系統更穩定，減少現場維護人員，減少生產線投訴和損失，降低維護和服務成本，提升整體設備體驗；

2、在Visionbank AI平臺上使用AI模塊，用戶只需完成圖像采集、圖像標記、模型培訓、工程部署四個步驟，即可完成深度學習項目的實施，步驟簡潔明了；

3.創新的深度學習過濾工具可以通過傳統算法實現0漏檢、高過檢，然后通過深度學習過濾過檢中的誤判。該方案不僅可以在0漏檢下實現極低的過檢率指標，還可以在進一步降低訓練數據量要求的情況下快速獲取大量負樣本數據。NG獲取產品數據不再是問題；

4.由于多年研發實踐對傳統算法的深刻理解，維視團隊建設VisionBank AI幾乎將傳統算法的能力應用到極致，任何傳統算法都能解決的應用場景，VisionBank AI所有接觸。在此基礎上，只將深度學習技術應用于傳統算法無法解決的場景和采用深度學習技術時效率和穩定性較高的場景兩個方面；

(VisionBank AI傳統算法中可以檢測到的隱裂缺陷)

5.高分辨率圖像下的高精度、高速智能特征匹配一直是行業難題。VisionBank AI核心圖像處理算法始終與國內外最前沿的技術保持一致。與第一代算法相比，最新開發的第四代特征匹配算法的匹配速度提高了11倍，支持以下異常特征匹配：特征部分阻塞、特征尺寸縮放、特征扭曲變形、特征顯示不完整等。

（匹配定位線芯檢測502個對象，總耗時103毫秒(500萬像素)

二、降低平臺計算能力要求，簡化項目成本。VisionBank AI基于在線推理的神經網絡模型OpenVINO神經網絡模型支持模型優化GPU同時也支持推理CPU推理。對計算能力平臺的要求最高可降低16倍(不同類型的模型優化結果不同)。VisionBank AI所有的在線推理都可以基于CPU完成。因此，在企業生產項目管理過程中，可以直接使用CPU算力進行AI減少大規模數據推理GPU從而優化成本控制。

三生萬物系統應用隨處可見

VisionBank AI基于任何可能的機器視覺項目應用。VisionBank AI開發項目遵循樹分支結構，即一個項目可以包含多個獨立的過程，每個過程可以包含多個相機，每個相機可以采用多種處理算法；

（VisionBank AI項目開發架構)

VisionBank AI該行業還創建了一個通用的圖像處理過程模型，即整個軟件模塊化。用戶可以根據模塊分解他們的圖像處理任務，并從不同的模塊中選擇最合適的工具進行組合，以解決非常復雜的圖像處理任務。在后期，當遇到新的場景時，軟件也可以根據模塊快速迭代以解決更多的問題；

（VisionBank AI系統架構）

除了架構的全能優勢外，VisionBank AI深度學習技術可應用于圖像處理過程的各個環節，如深度學習圖像增強、深度學習掩膜、深度學習定位、深度學習模板培訓等，給傳統算法帶來多重驚喜；

VisionBank AI前沿的遷移學習技術應用也使用戶更加智能：在深度學習圖像增強、深度學習二值圖后處理過程中使用各種預訓練模型，可以提前思考用戶的預期目的，而無需獲取任何培訓數據。

(深度學習圖像增強只能輸出你感興趣的鋼筋區)

復雜現場案例實踐證明有效

根據最新的行業報告，從各行業工業視覺的本地化應用規模來看，本地化替代規模主要有3個C電子、鋰電池、倉儲物流和金屬加工，此外，汽車和半導體作為的大型制造業，可能會對工業視覺發展產生很大的影響。機器視覺覆蓋的上述行業大多具有技術密集、產品更新頻繁等特點。其應用需求呈現出檢測精度越來越高、檢測速度越來越快、成本越來越低、場景適應范圍越來越廣的趨勢。VisionBank AI正是維視智能制造在正確的市場發展判斷下應運而生的產品，能夠更好地適應客戶現場的各種復雜檢測要求，也有典型的實踐案例:

檢測螺紋裂紋

在螺紋的生產加工過程中，由于各種原因，會產生一定比例的不合格品。如果不能檢測到不合格品，會嚴重影響產品本身的強度。由于螺紋本身的紋理干擾等因素，在檢測過程中無法檢測或誤判率很高，采用傳統的視覺檢測方法對螺紋進行檢測VisionBank AI深度學習功能可大大降低誤判率，良品率可達99.9%以上。

檢測鍵盤缺陷

在計算機鍵盤字符打印過程中，往往會出現各種打印不良，采用傳統的視覺檢測方法進行檢測，如果鍵盤上殘留灰塵、頭皮屑、指紋等，會干擾視覺檢測。將其誤檢為字符印刷不良，使合格品誤檢為不合格品，從而影響生產線的生產效率。針對上述問題，使用VisionBank AI鍵盤檢測的深度學習功能可以大大降低生產線的誤檢率，從而提高生產線的檢測效率和產品質量。

大棗分選

在棗分類檢測項目的要求下，需要對各種棗產品進行分類，各類差異明顯，采用傳統算法進行特征提取判斷，無法實現批量生產檢測；同時，相同類型的棗有共性，傳統的檢測方法難以穩定地獲得相同的元素。為實現棗的檢測分類要求，使用VisionBank 對大棗進行深度學習功能分類檢測，達到良好的檢測效果。

一體化產品實力賦能千百業

機器視覺系統是集光學、機械、電子、計算、軟件等技術于一體的多行業應用系統。只有完善高效的整體軟硬件設備配合運行，才能優化檢測、引導等場景的應用效果。維視智能制造作為國內專業的人工智能和機器視覺解決方案供應商，擁有成像傳感器、光學照明、光學鏡頭和制造企業和行業系統集成商VisionBank AI可以代表計算成像算法平臺KEMET代理為客戶提供一站式先進的機器視覺整體解決方案，配合光伏、電子、汽車、醫藥、教育等數千家行業客戶。

維視智能制造配備了完整、行業領先的產品矩陣，同時在全國建立了機器視覺系統解決方案開放實驗室，支持公司技術研發和產品應用的快速實施，與合作伙伴和客戶合作，打造良好的產業研究一體化增長飛輪。未來，維視智能制造將繼續以客戶需求為導向，以行業發展為前瞻性，以精細服務為起點，成為智能制造浪潮下客戶優質可靠的合作伙伴。