熱門搜索關鍵詞：工業視覺產品 院校系統設備 智能視覺系統 遠心光學
隨著機器視覺的迅速發展，工業現場中越來越多的人工檢測被替代，比如物料外觀缺陷、尺寸大小、顏色等的檢測，解
決了傳統人工檢測速度慢、勞動強度大和容易漏檢的問題。但是隨著社會的進步以及企業需求的多樣性，傳統的機器視
覺無法處理多類樣品、表面特征不一、亮度不一等場景下的檢測。
深度學習是學習樣本數據的內在規律和表示層次，這些學習過程中獲得的信息對諸如文字，圖像和聲音等數據的解釋有
很大的幫助。它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、圖像、聲音等數據。在語音和圖
像識別方面取得的效果，遠遠超過先前相關技術。
深度學習在搜索技術，數據挖掘，機器學習，機器翻譯，自然語言處理，多媒體學習，語音，推薦和個性化技術，以及
其他相關領域都取得了很多成果。深度學習使機器模仿視聽和思考等人類的活動，解決了很多復雜的模式識別難題，使
得人工智能相關技術取得了很大進步。
隨著機器學習和數據分析的進步，在大量機器生成的傳感器和視覺數據的驅動下，工業系統正在經歷快速的數字化轉型
。這些數據可以幫助工業解決方案提供商提高產品質量、優化運營并減少停機時間。工廠必須具備采集、存儲并以較低
成本處理大量干擾性數據的高效機制，加快通往工業 4.0 的道路。
MV-AI2000是搭載Linux系統，基于OpenVINO工具套件、Edge Insights for Industrial（EII）、工業級硬件系統等設計而成的一套視覺分選推理平臺，幫助用戶快速驗證深度學習檢測方案，該平臺模擬工業現場流水線作業環境，通過智能視覺分選系統對流水線上的物料進行識別檢測及分類，與PLC進行數據交互，控制氣缸動作將物料分類到對應的料盒中。圖像采集部分采用暗室設計，既保證采集時不受外界光線變化干擾，又便于觀察。平臺采用步進電機驅動，可視化觸摸屏監控運行狀態以及設置控制參數，通過光纖傳感器，可準確感知產品位置觸發相機拍照，該平臺將運動控制與視覺有機結合，依托功能齊全的EII平臺及OpenVINO深度學習推理加速軟件，可擴展出不同的物料分選方案。
● 精準（圖像）大數據采集
提供同分辨率、同維度、同參數下細分行業“精準圖像大數據集”的自動采集。這是“人工智能”技術在機器視覺領域落地應用的“數據”基礎。
● 基于OpenVINO的推理加速軟件工具
n開源、商用免費、主要應用于計算機視覺、實現神經網絡模型優化和推理計算加速的軟件工具套件。
n同時可以兼容各種開源框架訓練好的模型，擁有算法模型上線部署的各種能力。
n可以輕松的將預訓練模型在Intel的CPU上快速部署起來。
n包含了圖片處理工具包OpenCV，視頻處理工具包Media SDK，用于處理圖像視頻解碼，前處理和推理結果后處理等。
n通過使用OpenVINO工具套件里的用戶自定義接口可實現第三方應用的組合。
● 應用英特爾工業邊緣洞見平臺（EII）
n經過工業生產驗證的軟件堆棧，可以在邊緣安全地攝取、分析和存儲視頻和時間序列數據。
n通過在邊緣輕松部署人工智能，工廠可以因此提高運營和生產效率。
n靈活的開源微服務架構，其 Docker 容器模塊支持對時序和視頻數據的提取、存儲和實時分析，并且能夠根據獲得的信息向工具或設備發送下游命令，進而實現閉環控制。
n支持客戶開發自己的分析算法和數據提取插件。
n將數據分析功能帶到邊緣，邊緣計算能力達到實時的運行需求。
n 只需簡單配置即可發布到制造執行系統 (MES) 或車間生產管理 (WIP) 等管理應用以及云服務。
● 深度學習場景落地應用平臺
n可實現表面檢測、紋理檢測、質量控制、對象或缺陷分類、缺陷（異常值檢測）等。
n可解決傳統機器視覺在對象可變性高、方向多變、特征不確定、未知缺陷等場景下不能檢測的問題。
n訓練與部署分開，根據場景應用能增減規模具體內容。
n平臺配備 “PLC編程”、“數據通訊”等多個電氣控制實驗，培養學生實際動手能力。
n平臺配備使用說明、環境部署說明及模型訓練相關說明，學生可自主學習和研究。
n使用者可以通過本平臺實現深度學習過程，了解模型訓練到實際推理過程，從而根據自身情況開發不同檢測項目。
微信二維碼