NexSight功能上新，这些场景在云端就解决了，助力工厂提升质量检测水平--机器视觉网

NexSight是一款基于深度学习的云端工业AI视觉算法平台，以阿丘科技自研视觉算法库为核心，云端一站式构建常见场景工业AI视觉检测模型。

任意电脑联网登录即用，不限终端！内置自动化训练及调优功能，超低门槛！云端训练，支持GPU/CPU推理，超轻投入！

继分割和分类模块后，应广大用户需求，NexSight迎来四大全新模块：字符识别、检测、非监督分割和非监督分类模块。本次更新后，NexSight将支持更多工业检测场景，全面助力工厂提升质量检测水平。

新增功能一：字符识别

应用场景广泛，解决多种字符识别难题。

无论是重叠、扭曲、歪斜的字符，还是复杂背景下的字符，基于阿丘自研AI算法都能轻松识别，满足包装喷码检测、来料质量追溯、生产管理记录等多种需求。

新增功能二：检测模块

检得快、测得准。

检测模块常用于识别产品表面成块缺陷或多数量/类别目标。在脏污、水渍等干扰背景下，检测效果同样出众，并且能够接受产品存在自然偏差，具备一定的容错性，适用于广泛的工业视觉检测场景。

新增功能三：非监督分割&非监督分类

正样本学习，无视样本收集难题。

在工业AI视觉检测落地过程中，经常遇到一些产品生产节拍慢或良品率高而导致的缺陷样本难收集的问题，针对这一难点，阿丘创新性地采用了非监督学习算法，仅使用良品图进行训练，AI即可通过对比缺陷图与良品图不同的特征，有效识别出已知或未知的缺陷异常。

应用实例：电容来料读码追溯

阿丘帮我们避免了人工录入字符的成本和出错损失，实现自动统计产品信息，提升工作效率。

难点

存在表面反光和亮度分布不均等情况，严重干扰成像；受到产品放置方式影响，标识字符可能存在扭曲、歪斜等情况。

解决方案

采用字符识别模块，首先通过阿丘精心打造的预训练模型进行推理，有效检出95%以上的字符，大幅缩短了落地周期，后续通过收集线上数据对预训练模型进行增量训练，实现了对所有字符的精确检出。

应用实例：钢材表面瑕疵检测

在热轧钢生产过程中，由于杂质或氧化铁削在滚轴上堆积，容易造成铸坯的刮伤，这种划痕对钢材的结构强度有很大影响。

难点

刚生产出的热轧钢附近温度和亮度很高，人工目视检查条件极差，但如果等钢板冷却划痕又与正常的纹路难以区分；生产节拍慢，缺陷样本很难收集，检测划痕成为生产厂家难以解决的问题。

解决方案

采用非监督分割模块进行前期检测，仅用时一小时完成良品图收集，一天内完成非监督分割模型上线，有效检出缺陷，为工厂实现了飞跃式的降本增效。