首页>案例>软件算法及深度学习
分类:
展开
行业:
展开
  • 视觉AI颠覆传统,引领木材质检新变革

    据悉,某知名家居品牌因板材瑕疵问题,引发了大规模的消费者维权事件,其市值在短期内大幅缩水了数亿元。这场由细微缺陷所引发的行业动荡,深刻暴露出传统质检模式与当下品质需求之间的深层矛盾。行业数据显示,我国板材产业规模已然突破数万亿元,但因质量管控存在漏洞,每年造成的损失仍高达数百亿元。这些质量缺陷可能源于木材生长过程中的自然因素,也可能在加工、运输环节产生。长期以来,木材质检主要依赖人工目检。在国内某大型板材生产基地开展的抽样调查表明,人工质检员在单日处理数千平方米板材时,平均漏检率大约维持在 20% 左右,并且工作效能会随着作业时长呈现出明显的下降趋势。
    检测木材2025-03-21  |  中国机器视觉网  |  
    4792
  • 如何使用AOI完成笔记本装配检测

    笔记本电脑俨然成为现代科技的重要载体,被广泛应用于工作、学习和娱乐等各个领域。市场对笔记本电脑的需求持续增长,这给制造商既是机遇,也是考验。然而,笔记本电脑的生产过程复杂且精密,涉及多个环节和部件的协同工作,任何一个环节出现问题都可能影响产品的整体质量和性能,严重影响用户的使用体验和产品寿命。
    电子组装2025-03-21  |  中国机器视觉网  |  
    4972
  • 特征提取:传统算法 vs 深度学习

    特征提取是计算机视觉领域经久不衰的研究热点,总的来说,快速、准确、鲁棒的特征点提取是实现上层任务基本要求。
    检测2025-03-19  |  中国机器视觉网  |  
    4704
  • AI助力化工行业革新晶体检测

    在现代化工行业中,晶体检测环节对于产品的质量和性能有着至关重要的影响。然而,传统的人工检测方法不仅效率低下,还容易受到主观判断影响,导致精准度不足。DaoAI为拥有140年历史的德国化工龙头企业,开发了一套基于人工智慧的高效自动化晶体检测系统。
    芯片半导体检测2025-03-19  |  中国机器视觉网  |  
    5118
  • AI 机器视觉“出圈”之路:技术驱动与行业深耕

    DeepSeek的发布,宛如一颗重磅炸弹,在AI领域激起千层浪。凭借其在深度学习与多模态理解领域的卓越突破,为 AI视觉的发展注入了新活力。回首AI视觉的发展轨迹,早期,它主要依赖规则与模板进行简单的模式匹配,功能相对局限。但随着技术的迅猛发展,基于深度学习的复杂环境感知模式逐渐崛起,成为主流。从最初只能对静态图片进行简单分类,到如今能够实现对视频的精准语义理解,每一次技术迭代都在不断冲破人类对机器视觉能力的既有认知,创造出令人惊叹的新可能。
    汽车电子组装锂电2025-03-18  |  中国机器视觉网  |  
    776
  • 医疗产品生产质检问题频发,视觉AI技术或成破局关键

    面对传统人工检测效率低、主观性强等难题,医疗产品质量管控仿佛陷入困境。以医用纱布生产为例,其生产过程复杂,易出现断线、打结、脏污等瑕疵。过去依靠人工检测,不仅易受主观因素干扰,效率也难以满足大规模生产需求,急需新的解决方案来打破这一局面。
    医疗2025-03-17  |  中国机器视觉网  |  
    754
  • VisionPro软件助力孚能科技全面提升锂电检测效率

    在锂电池制造领域,精度与效率的平衡始终是行业难题。面对锂电缺陷检测复杂度高、质量要求严苛等挑战,孚能科技通过部署康耐视VisionPro智能视觉软件,突破传统检测技术局限,最终实现漏检率<1%。
    检测锂电2025-03-11  |  中国机器视觉网  |  
    811
  • 微链DaoAI视觉模型应用——药品检测

    在药品制造行业中,药品检测是一个至关重要的环节,它直接关系到药品的安全性、有效性以及患者的健康。而繁多的痛点和挑战是生产类企业必须面对的。
    检测包装药品2025-03-04  |  中国机器视觉网  |  
    842
首页   1 2 3 4 5 6 7 8 9   最后一页