痛點：
? 傳統算法檢測準確度低，需大量人工干預，嚴重影響效率；
? 人工干預主觀性大，漏檢較多（約占0.8%）。
方案：
? 基于云計算、人工智能、大數據技術；2000萬張X光照片的深度學習和訓練；
? 實現自動缺陷檢測，自動缺陷定級，自動攔截分選缺陷輪轂，異常預警等。
成果：
? 攜手輪轂生產頭部企業建立全球首條X光自動缺陷檢測生產線；
? 提升輪轂軌道通行效率40%，按300萬產能計，每年提升產量120萬以上，節省一臺價值200余萬X光機；
? 提升人工效率50%，節約人力成本約28.8萬/年；
? 漏檢率小于0.03%，降低約26倍（0.8-0.03）；
? 已部署客戶8條生產線，客戶世界燈塔工廠專項最優應用。
檢測需求：
理電池電芯殼體需要檢測平面度
硬件選型：
3D結構光相機L300，X、Y分辨率可以做到120um，z方向重復精度5um，可以滿足要求，
技術優勢：
大尺寸、高反光的殼體在我們相機上仍有具有出色的成像效果，且外殼高度變化用顏色表征，能夠更直觀地看到產品的表面情況。
檢測需求：
電池蓋板完整成像，檢測焊縫斷焊、凹坑、凸起
硬件速型：
3D結構光相機L50D，X、Y分辨率可以做到20um，2方向重復精度0.4um，可以滿足要求，
技術優勢：
采用雙投影結構光可以避免三角測量法原理造成的圖像遮擋，同時步可提升NG產品成像完整性，提升檢測準確率和效率。
檢測需求：
檢測密封釘焊點質量
技術優勢：
對大反射率的的鋁合金表面和凹凸不平的焊縫能夠一次性穩定成像
檢測需求：
檢測圓柱電池在料盤中位置度、放料正反以及干燥劑有無。
硬件選型：
3D結構光相機L300，x、Y分辨率可以做到120um，Z方向重復精度5um，可以滿足要求，
技術優勢：
L300視野可滿足一次拍照，成像時間只需0.5S，成像完整，可以直接通過計算滿足檢測需求。
痛點：薯片生產前后制程皆為全自動化，唯有馬鈴薯外觀篩選及不良切料為人工，需耗費
大量人力，且人工的耗損量不易控制。原料最大耗損量可達40%。
方案：
馬鈴薯360°全面檢測，自動化檢測缺陷和定級缺陷，自動分選A類（缺陷可切除）及B類（壞料）。
定制化分選料道設備，單料道檢測可達200個/分鐘，整機可達1000個/分鐘。
高速工業圖像采集系統，精準工業控制，輔助AI深度學習算法技術持續提高檢測效率和效果
2D+3D視覺方案，輔助分選后的自動切料工藝，節省人力和節約材料
成果：
缺陷檢出率95%；實現實時檢測，分選，切料加工自動化，
物料損耗降低30%，降低大量原料消耗。
整機檢測和分選效率1000個/分鐘，比人工效率提升100%
痛點：
人工線：產線節拍快，人工檢查易疲勞，主觀性大，易漏檢（約占0.8%）
自動化產線：市場大部分板材外觀缺陷識別系統效果不理想，亟待高精度和準確度的自動化檢測系統配合自動化產線提高生產效率
方案：
木板360°全面檢測，自動化檢測缺陷和定級缺陷，自動攔截缺陷產品
高清工業圖像采集系統，采用木板缺陷檢測深度學習算法技術持續提高檢測效果
成果：
缺陷檢出率99.98%；實時檢測避免生產過程規模錯誤
漏檢數量較人工降低25倍（0.8-0.03），單產線節省120萬（600萬產能產線）
少量人工抽檢，人員優化3/4
