日均处理170000+！思谋突破工业检测难题，发力消费电子产线

导读随着国家层面对“新基建”和国产替代的推进，处于B端的工业制造业得到公众越来越多的关注然而，其现实中常面临投入成本大、回报周期长等方面的挑战，实现数字化、自动化成为亟待解决的问题思谋科技瞄准这一领域，推出SMoreViMo智能制造解决方案，致力于帮助工业企业解决视觉检测问题。

作为一个完善的智能解决方案，SMoreViMo如何突破工业检测难题？效果如何？也许这篇文章会为你揭开面纱一、使用SMore ViMo后，普通工人操作方便吗？思谋 SMore ViMo (Vision Inspection and More) 智能制造解决方案（以下简称 “SMore ViMo”）。

是一款全链路工业视觉 AI 端到端解决方案。这套解决方案由思谋科技资深AI专家凝结二十余年的经验研发而成。作为“复杂”的AI技术，普通工人操作方便吗？

图片来源于网络当然方便！SMore ViMo 工业 AI2.0 平台主要由模型训练、模型运行2 大系统平台构成模型训练平台包含检测、OCR字符识别、分类、分割等4大核心算法能力，可针对产线的物料追踪、缺陷定位、工件计数、多分类外观瑕疵检测等复杂场景进行 AI 算法自主训练。

ViMo 模型运行平台是将训练平台的模型导入后，直接部署至产线，与产线设备进行无缝对接，实现 AI 实时检测简单来说，使用SMore ViMo后，机器通过训练，可以自主学习、检测这就全面降低了产线对AI专业能力的依赖。

模型上线后，只需要鼠标的简单操作，就可完成AI模型的训练和部署，让生产从人工操作变成人工管理不仅容易操作，工人可以迅速上手，还更省事儿~二、SMoreViMo怎么样？靠谱吗？——为工厂实现日均处理物料170000+ 识别率>=99.9%

工业级AI往往要求比消费级AI更高的识别率从应用角度来讲，若消费级AI判断不准，可使用人工通道解决而工业级AI对接产线后，即要求能够替代人工完成不易完成的工作，若AI给出“确定” 的判断，工厂则不再进行人工复检。

在某些应用场景中，工业级AI的识别率要求高达99.9%SMoreViMo的AI OCR算法已在多个行业得到应用拿消费电子来说，电子产品的物件太小、形态各异，人工识别困难如智能手表的表带金属件，其往往拥有独特的编码，用于进行产品材料追踪和售后服务。

金属件常常会出现字符漏刻、多刻、空片，雕刻凹凸不均匀，成像模糊、打光暗、过曝、遮挡、倾斜，不同颜色表带等多种问题，人工不容易识别由于雕刻号码的物料长度通常不足 5mm，雕刻形态各异，号码识别准确率要求又高达 99%。

引入SMore ViMo的 AI OCR 识别模块后，对物料进行识别，适应了特殊背景和雕刻工艺，处理速度<= 0.1 秒 / 片，日均处理17 万 +物料，实现产线全自动化识别。

SMore ViMo是如何实现这一成果的？处理过程遵循以下的逻辑：先对金属件进行数据预处理，然后分割出关键部位进行识别如果合格就Ok, 不符合标准就被判NG检测结果将以数据可视化的形式导出，AI OCR识别算法搭载在思谋工业智能检测平台中，可提供检测过的数量统计，并能导出结果，为厂家提供参考。

SMore ViMo的AI OCR算法稳定，兼容多种雕刻工艺及成像可为工厂生产的各环节提供解决方案，在入库前、组装前后、出库发货前等环节，进行产品质检，将检测的缺陷进行细化统计分析，极大减少检测识别的时间。

三、SMore ViMo还有哪些技能？可检测缺陷问题高达数十种以无线充电器的核心部件为例，外观质检工作常常由人目视检测缺陷，手动统计缺陷，人力投入成本大同时人工检测速度较慢，无法满足生产需求设备厂商亟需使用自动化检测设备来替代人力检测，提高检测速率和质量管理的数字化程度。

PSA月牙偏位、皱、未排废，产片正面二维码不良、异物、碎裂，产品背面黑膜皱、鼓包、裂纹等十余种无线充电器外观的缺陷问题，人工肉眼不易发觉SMore ViMo 的检测模型首先对图像进行预处理，然后进行分类与分割，判断缺陷类型与定位。

值得关注的是SMore ViMo可以进行多任务检测并输出检测结果；SMore ViMo为智能制造，解决“最后一公里”的问题缺陷检测的处理速度 <= 0.3 秒 / 片 , 日均处理10 万 +，检测效率可提升 2 倍。

操作稳定，工作时长不受限制，全面提升生产线检测效率及制造工艺分析基于大量数据基础的机器学习，在工业流水线上的分析与运载能力逼近甚至超越人类的能力，替代人工完成复杂的任务智能生产时代已开启，作为高度流程化的产业，工业的数字化转型和创新离不开技术的底层支撑。

思谋科技SMoreViMo智能制造解决方案为生产线提供完整闭环的处理系统，图像采集、标注、模型训练、再导出模型，与生产线完美对接，即可直接对物料进行实时检测，助力制造业实现更高效、更精准、更灵活、成本低的目标，为工业数字化转型注入新动能。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。