随着市场竞争加剧以及消费者对产品质量要求的提高，家电企业开始寻求更高精度、更高准确度的生产方式，纷纷加大数字化、自动化的投入，以谋求高端化、智能化、科技化的转型，持续推动家电行业高质量发展。

由于家电行业不同种类、材质、型号的零部件众多，有时无法对这些零部件进行全部检测，往往采取抽样检测与抽批次检测等方式，这些方式常常会导致瑕疵产品漏检，从而影响家电产品出现质量问题。

而深眸科技以深度学习算法为核心，自主创新研发的轻辙视觉引擎，能够对家电企业生产线上的产品进行高质量缺陷检出，成为家电行业数字化、智能化转型升级的关键。

检测项目多样，亟需解决问题

纵观家电行业的整个生产环节，包括各零部件的生产到组装，再到后续LOGO印刷、配件装配。这些环节对检测精度要求高，工件种类多且尺寸各异，常常会出现各式各样的缺陷和错漏问题。

在钣金件生产环节中，需要对钣金件进行缺陷检测，由于钣金件缺陷类型众多，许多新的缺陷类型无法定义，且对现场环境光、生产柔性等要求高，无法正确识别缺陷类型，造成瑕疵产品的漏检。

在印刷环节中，需要对产品LOGO的印刷质量进行检测，由于工件尺寸及标识的种类众多，且对现场光照环境、装置灵活度、图像处理等要求高，常常出现识别不到位、识别错误等情况。

在装箱环节中，需要对产品配件的数量和种类进行检查，由于装箱配件种类多，组合随机性较大，且不同零件在结构、颜色、材质上有较大差异，常常会遇到零部件装箱出错的问题。同时配件摆放具有较大的随机性，以及存在遮挡、背景同色干扰等情况，检测效果难以达到理想水平。

由此可见，在家电企业的产品生产过程中，依然存在着很多问题尚未得到有效解决。同时，受到工艺的操作控制、工艺参数等因素的影响，其缺陷类型也表现出类别多样、形态各异、背景复杂等特点。

因此，使用更高精度、更高效率的视觉应用产品进行质量检测迫在眉睫，其检测不仅能够精准且快速识别缺陷类型，还能实时反馈产品质量信息，方便员工及时掌握生产情况。

自研轻辙视觉引擎，助力家电产品质检

为解决家电产品缺陷和错漏检出等难题，深眸科技深耕于以深度学习算法为核心的机器视觉应用，在自主创新领域不断发力，通过长期技术储备，基于云原生技术，推出能够覆盖不同形态和应用场景视觉应用产品——轻辙视觉引擎。

轻辙视觉引擎利用先进的视频图像和图形处理技术，建立工业级人工智能模型，实现工业视觉应用的分布式部署和集成监控，持续赋能家电行业各生产环节。

深眸科技深入研究深度学习算法，通过训练神经网络，以及对各产品缺陷形态特征的自我学习，建立包含各零部件形态特征的深度学习模型，从而分析更加复杂的图像，提高对图像的分析能力，实现自动定义新的缺陷类型与快速定位识别不同组件，做到了对家电产品缺陷与装箱配件错漏的高效检测。

以深眸科技提供技术支持的配件防错漏检测案例为例，轻辙视觉引擎针对箱体内配件组合进行AI检测模型创建，标注错漏类型。标注后在轻辙视觉引擎进行训练并最终部署，如果绿灯亮起，说明产品合格，如果出现蜂鸣和红灯提示，说明产品存在配件错漏现象。

轻辙视觉引擎通过深度学习算法，具有自主学习判断能力，能够对图像进行处理、分析和识别，以得到测量结果和逻辑控制量。外部执行机构再根据输出信息进行配件抓取与剔除，从而完成家电产品配件防错漏检测。在自研2000+AI算法的加持下，轻辙视觉引擎使配件防错漏检测结果准确率达到99.9%以上。

随着机器视觉技术的逐渐成熟，以及深度学习算法的持续创新，不少机器视觉企业加大对机器视觉检测技术的研发，保持机器视觉创新产品的持续更迭，不断拓宽视觉产品的应用界限，助力传统制造企业快速整合人工智能与机器视觉技术，实现企业生产线的数智化升级。