平台基于工业特性建立强大的数据增强引擎,AI基础共性建模服务,提供人工智能算法框架运行和迁移环境,支持多种AI算法框架,第三方算法框架植入; 通过云边端一体化架构进行部署实施,为终端设备提供算力服务和AI视觉检测能力;助力制造业向工业智能化、数字化、网络化转型升级。
质量检验受人为因素影响,产品质量波动
传统视觉算法无法持续自主优化,误判率高
质检人员成本持续增加,缺工日趋严重
采用端 / 边 / 云一体化架构,实现端云一体化方式管理
通过持续的特征标注,模型可实现不断迭代,提高识别精确度
相较于传统工业相机,设备安装简单,应用部署方便
支持第三方算法、模型融合,支持与自动化、物联网等技术无缝衔接
支持按需计费方式,如按模型、使用次数、使用时长等
满足各类3C部件快速的外观缺陷检验需求,大大减少检验工作量,降低人工成本,提高检验效率
可实现针对食品药品外观的瑕疵判断,做到精确捕捉表面异物或缺陷,提高产品质量,生产效率提升
针对液晶面板小瑕疵,实现瑕疵的定位和归类,替代原有人工检测,促进企业降本增效
全方位包装图像数据采集,实现错漏装及各种包装缺陷的识别,相比人工检验精确程度明显提高
解决芯片行业多种缺陷的精确分类问题,实现缺陷检测及归类的标准化和自动化
支持汽车零件装配位置检测、错漏装检测、外观检测等,降低检验成本,提高检验自动化水平
在某大型手机厂商的AOI外观瑕疵检验环节中,青橙AI服务平台基于手机包装盒的生产工艺流程,为该公司制定包装盒AOI检测方案,方案兼容同类工艺包装盒检测,多种瑕疵类型检测,AI终检复检;该企业三个地区工厂的100条产线均采用了该方案,得益于AI深度学习构建模型,产线的瑕疵检测准确率持续提升,已经高达99.5%。
针对医药行业医疗器械生产环境及品质要求,为该集团注射器内缺陷检测项目定制专业解决方案,成功解决注射器内异物检测,注射器内橡胶塞检测,针头的有无及歪斜检测;方案实施后成功成功缩减多名产线检测人员,增加检测效率,实现降本增效。
通过对SPI设备图像的抽取,基于AI深度学习技术,实现对SPI图像的二次判定,减少因为SPI设备误判造成的非必要工时,降低在线员工的劳动强度,提高整线效率。
将人工智能技术和新能源锂电池生产机理深度融合,基于云边端一体化,为该企业锂电池外观缺陷检测部署青橙AI品质管控一体化服务;成功为该企业建立可靠稳定的锂电池外观缺陷检测方案,赋能相关工艺改进。