應用場景:應用于工藝環(huán)節(jié)的視覺檢測,為數(shù)據(jù)分析和挖掘提供高質量數(shù)據(jù)基礎,在顯示面板行業(yè)工藝過程的缺陷檢測中,有豐富的應用案例
產品功能
– 目標檢測、圖像分類、圖像分割
– 模型管理:訓練、推理
– 數(shù)據(jù)管理
– 高級復判
– 監(jiān)控預警
– 高可用性
產品特點
– 降低質檢成本
– 沉淀知識技能
– 動態(tài)提升檢測能力
– 促進工藝綜合改進
優(yōu)勢效果
|
面向客戶的產品設計,降低質檢成本85%,促進工藝綜合改善 |
|
訓練過程可視化,模型結果清晰可見,模型效果一目了然 |
|
強大的人工復判能力,與自動判圖相得益彰,100%涵蓋于人工、半人工、全自動判圖場景 |
|
豐富的數(shù)據(jù)分析功能,具備前層追溯、Map分析、相似性分析、決策分析等功能 |
案例介紹
※ 客戶為國際泛半導體的龍頭企業(yè)
|
? 商業(yè)挑戰(zhàn)
1. 靠人工判別或者復判產品表面缺陷
2. 缺陷種類繁多(100+種)且難以準備準確分類 3. AI人才缺乏 4. 傳統(tǒng)思維 5. 缺少定位高價值和可快速落地應用場景的方法 |
? 方案
|
? 方案落地效果
1. 全工廠自動判圖,人員替代率80%,準確率提高20% 2. 減低質檢成本85% 3. 提高產品質量并降低非質量成本(廢料等) 4. 可以提供產品缺陷的根因分析 5. 輔導了5+人學會了使用和迭代已有的機器學習模型 6. 建立了缺陷檢測的流程體系 |
優(yōu)勢效果
|
面向客戶的產品設計,降低質檢成本85%,促進工藝綜合改善 |
|
訓練過程可視化,模型結果清晰可見,模型效果一目了然 |
|
強大的人工復判能力,與自動判圖相得益彰,100%涵蓋于人工、半人工、全自動判圖場景 |
|
豐富的數(shù)據(jù)分析功能,具備前層追溯、Map分析、相似性分析、決策分析等功能 |
案例介紹
※ 客戶為國際泛半導體的龍頭企業(yè)
|
? 商業(yè)挑戰(zhàn)
1. 靠人工判別或者復判產品表面缺陷
2. 缺陷種類繁多(100+種)且難以準備準確分類 3. AI人才缺乏 4. 傳統(tǒng)思維 5. 缺少定位高價值和可快速落地應用場景的方法 |
? 方案
|
? 方案落地效果
1. 全工廠自動判圖,人員替代率80%,準確率提高20% 2. 減低質檢成本85% 3. 提高產品質量并降低非質量成本(廢料等) 4. 可以提供產品缺陷的根因分析 5. 輔導了5+人學會了使用和迭代已有的機器學習模型 6. 建立了缺陷檢測的流程體系 |