玻璃是我们日常生活中常见的物品，随着新能源汽车需求量的不断增大，汽车显示屏的需求也与日俱增。随着消费升级，越来越多的企业对玻璃质量也更加的看重。受到生产环境或工艺的影响，玻璃在生产过程中表面很容易出现晶点、划伤、脏污、杂质等类型外观缺陷，严重影响玻璃质量，致使客户投诉率升高，给企业带来损失。

因此，实现对汽车玻璃的各类点状、线状等外观缺陷的全自动智能化检测，可以解决玻璃生产工艺中检测环节人工成本高、检测难度大、良品率不稳定等问题，这样不仅能够有效提高产品品质和产能，帮助客户提高出货量，节约成本，同时利用多维度分析缺陷数据，找出各段工艺暴露的问题，帮助客户优化工艺，逐步提升产品良率。

案例需求

汽车显示屏电子玻璃在线全方位外观检测。检测面包含正面、反面与边缘，玻璃最大尺寸达1000mm，最小缺陷30um，缺陷涵盖划伤、脏污、凹坑、油墨、缺损等十余种缺陷类型。

检测难点

1.部分缺陷尺寸较小，种类较多，且在正反两面随机分布；

2.产品的尺寸大，且检测精度要求高；

3.部分缺陷边缘特征模糊不易精确定量；

解决方案

该AOI设备采用高分辨率工业相机与镜头，多通道明暗场定制光源方案进行缺陷图像采集。

分别对玻璃的正反面进行成像，图像经过GIVS AI 训练端生成深度学习网络模型，模型与传统机器视觉算法融合部署进行缺陷识别，实现不同种类型玻璃的15种表面缺陷检测，最快检测节拍达1s/片，检测准确率达99%，大大提高了后道工序良率。经过全面、系统、严格的测试，目前已经在电子玻璃头部企业并线生产使用！

检测流程 

1.触发拍照：产品随机构移动；多工位采图

2.PC处理：缺陷区域提取；缺陷分类

3.结果输出；OK/NG信号独立输出各缺陷数据保存

4.执行机构：瑕疵品剔除；合格品回收

成像效果

1

2

3

4

5

软件运行界面展示

GIVS AI 深度学习训练平台

GIVS AI深度学习训练平台能够为传统机器视觉算法无法完成的复杂的缺陷检测问题提供智能化视觉检测分析，其应用领域涉及广泛，包含3C电子、汽车零部件、玻璃表面缺陷检测、纺织印刷、 铸造业、新能源光伏与锂电池等领域。

该平台简单便捷的操作方法和友好开放的交互界面，无需开发人员具有复杂的语言编程能力，只需五步操作即可完成深度学习网络模型的训练。

GIVS AI深度学习训练平台涵盖了分类、定位、分割与OCR四大功能模块，每个模块包含多种量级模型，共集成了十多种高精度神经网络模型。

GIVS AI包含多模型和多批次功能模块，可直接调用AI训练端导出的网络模型，同时可以融合其他2D图像处理算法进行在线部署。