机器视觉是一套综合系统，其核心的驱动力来自于成像、算法、算力和应用四个环节。切合市场需求，为机器植入更敏锐的“眼睛”和更智能的“大脑”，是机器视觉行业不断研究的课题，这其中，软件和算法是系统实现的技术核心。从赋能“制”造到升级“智”造，算法完备、高效稳定，通用性和易用性兼顾的软件平台，将快速拉动工业制造行业的数字化降本增效，提升企业产品竞争力。

研发创新与市场同频 打造工业视觉算法平台实力之作

从视觉硬件到软件平台，作为机器视觉行业一体化解决方案提供商，20年来，维视智造见证并参与了国内外机器视觉的发展，积累了丰富的行业和客户经验。智能制造的实现离不开生产线与工业视觉的齐头并进、共同研发升级。维视智造从不脱离工业现场谈新技术，面对算法技术快速人工智能化的大趋势，维视智造基于多年深刻的行业认知，在早已经过市场实践验证的自研软件算法平台VisionBank之上，隆重推出了解决市场新需求的通用智能工业视觉算法平台——VisionBank AI。

相对于当前行业内以传统算法或以深度学习为核心的软件，VisionBank AI将维视20年的传统算法积累和深度学习有效融合，最新版本几乎可以完成任何行业内任何场景下的图像处理任务。同时，随着新算法、新技术和创新应用方法的不断发展，VisionBank AI将在其优秀的项目开发架构及系统架构之上快速完成升级迭代，从而解决更多的场景问题。

大道至简 一个平台降“双本”

Visionbank AI创新性地融合了传统视觉与深度学习算法，并基于OpenVINO的硬件加速，可帮助制造业用户快速构建自己的深度学习解决方案，在简化开发流程、提高检测准确性的同时，可以有效的帮助用户节省部署成本。主要体现在两个方面：

一、完善、稳定、易用、高效的平台，促进人工降本。

制造业用工荒及用工成本居高不下，是近些年来广为人知的行业痛点，而部署工业视觉系统时，功能齐全、操作简单、处理快速的软件平台，即使安排极少、经验尚缺的操作人员，也可短期上手 — —

1. VisionBank AI不是深度学习技术火热后的新产品，而是将深度学习技术深度融合到一个具有20年应用积淀的软件中的升级产品，已经经受了大量行业验证和认可的IO、PLC协议、图像存储等功能全部内置，功能更完备，系统更稳定，从而为客户减少现场维护人员，减少产线投诉和损失，降低维护和服务成本，提升整体的设备体验；

2. 在Visionbank AI平台上使用AI模块，用户只需要完成“图像采集、图像标注、模型训练、工程部署”四步，即可完成深度学习项目实施，步骤简洁明了；

3. 创新的“深度学习过滤”工具，可先以传统算法实现“0漏检，高过检”，再用“深度学习”过滤“过检”中的误判情况。该方案不仅能实现“0漏检”下极低的“过检率”指标，对训练数据量要求更进一步降低——“过检”情况下，提高检测指标，即可快速获取大量负样本数据，“NG”产品数据获取不再是问题；

4. 得益于多年研发实践对传统算法的深刻认知，维视团队打造的VisionBank AI将传统算法的能力几乎应用到了极致，凡是传统算法能够解决的应用场景，VisionBank AI全部触达。并在此基础上，只把深度学习技术应用在两个方面：传统算法无法解决的场景及采用深度学习技术时效率和稳定性更高的场景；

VisionBank AI传统算法可检出的“隐裂”缺陷

5. 高分辨率图像下的高精度、高速度智能特征匹配一直都是行业难点问题。VisionBank AI的核心图像处理算法始终看齐国内外最前沿技术，最新开发的第四代“特征匹配算法”相对于第一代算法，匹配速度提升了11倍，支持以下异常特征匹配：特征被部分遮挡、特征大小有缩放、特征扭曲变形以及特征显示不全等。

匹配定位+线芯检测502个对象，总耗时103毫秒（500万像素）

二、对平台算力要求降低，精简项目成本。

VisionBank AI在线推理的神经网络模型均基于OpenVINO进行了模型优化，神经网络模型既支持GPU推理，同时也支持CPU推理。优化后的模型，对算力平台的要求最高可降低16倍（不同类型的模型优化结果有差异）。VisionBank AI的在线推理可以全部基于CPU完成。因此，在企业生产项目管理流程中，可直接借助CPU算力进行AI大规模数据推理，降低GPU使用需求，从而优化成本控制。

三生万物 系统应用随处达

VisionBank AI面向任何可能的机器视觉项目应用。基于VisionBank AI开发工程项目遵循“树状分支结构”，即：一个项目可以包含多个独立流程，每个流程可以包含多台相机，每台相机可以采用多种处理算法；

VisionBank AI项目开发架构

VisionBank AI还打造出了行业通用的“图像处理流程模型”，即将整个软件模型模块化，用户可以把自己的图像处理任务依模块分解，从不同模块中选择最合适的工具进行组合，即可解决非常复杂的图像处理任务。后期遇到新的场景，软件也可以按模块快速迭代，解决更多的问题；

VisionBank AI系统架构

除架构的全能优势外，VisionBank AI的深度学习技术可应用在图像处理流程中的各个环节，如：深度学习图像增强、深度学习掩膜、深度学习定位、深度学习模板训练等，给传统算法带来多重惊喜；

VisionBank AI对前沿的“迁移学习”技术应用也让用户在使用上更加智能化：在深度学习图像增强、深度学习二值图后处理等流程上使用了各种“预训练”模型，可以在不获取用户任何训练数据的前提下，“提前想到”用户的预期目的。

“深度学习图像增强”可以只输出你感兴趣的“钢筋区域”

复杂现场 案例实践证成效

最新的行业报告显示，从工业视觉在各行业国产化应用规模来看，国产化替代规模较大的主要有3C电子、锂电池、仓储物流和金属加工，另外汽车和半导体作为规模化、稳健发展的大型制造行业，随着中国新玩家的出现，可能会对工业视觉发展的产生放量影响。机器视觉覆盖的以上行业大部分具有技术密集、产品更新换代频繁等特征，其应用需求呈现出检测精度越来越高、检测速度越来越快、成本越来越低、场景适应面越来越广等趋势。VisionBank AI正是维视智造在对市场发展的正确研判之下应运而生的产品，可以更好的适应客户现场的各种复杂检测要求，也已有了典型实践案例：

· 螺纹裂纹检测

在螺纹的生产加工过程中，因为各种原因会产生一定比例的不合格品，如果不能够将不合格品检测出来，会对产品本身的强度造成严重影响。采用传统的视觉检测方法对螺纹进行检测，因为螺纹本身的纹理干扰等因素，在检测的过程中无法检测或者误判率非常高，采用VisionBank AI的深度学习功能，可将误判率大大的降低，良品率能够达到99.9%以上。

· 键盘缺陷检测

在电脑键盘字符印刷的过程中，经常会产生各种印刷不良，采用传统的视觉检测方法进行检测，粉尘、毛屑、指纹等如果残留在键盘上，就会对视觉检测造成干扰。在检测过程中将其误检为字符的印刷不良，使合格品被误检为不合格品，从而影响产线的生产效率。针对以上存在的问题，用VisionBank AI的深度学习功能对键盘进行检测，可使产线的误检率大大的降低，从而提高产线的检测生产效率和产品质量。

· 大枣分选

在大枣的分类检测项目的要求中，需要对多种大枣产品进行分类，其中每一类之间有着明显的差异，采用传统算法进行特征提取来判断，无法实现批量生产检测；同时，相同类别的大枣之间又存在共性，通过传统的检测方法难以稳定的获取到相同的元素。为了能够实现大枣的检测分类要求，使用VisionBank 深度学习功能对大枣进行分类和检测，就达到了很好的检测效果。

体化产品 实力赋能千百业

机器视觉系统是集光学、机械、电子、计算、软件等技术为一体，在多行业的应用系统，只有整体软硬件设备完善高效的配合运行，才能达到检测、引导等场景应用效果的最优化。维视智造作为国内专业的人工智能与机器视觉解决方案供应商，面向制造业企业及行业系统集成商，现已拥有成像传感器、光学照明、光学镜头及以VisionBank AI为代表的计算成像算法平台，可提供机器视觉系统整体方案设计、工业视觉部件、远心光学产品，为客户提供一站式先进的机器视觉整体解决方案，已合作了光伏、电子、汽车、医药、教育等数千家行业客户。

搭载完备且具有行业领先水平的产品矩阵，维视智造同步在全国建立了机器视觉系统解决方案开放实验室，支撑公司技术研发与产品应用的快速落地，与合作伙伴和客户一起，打造良好的产研一体增长飞轮。在未来，维视智造将继续以客户需求为导向，以行业发展为前瞻，以精细化服务为抓手，成为智能制造浪潮之下，客户优质可靠的合作伙伴。