機器視覺經過長時間的發展，技術不斷取得重大突破并被廣泛應用，當前已遍布工業生產的各個環節。而且機器視覺易于實現自動化集成，軟件集成，是實現智能制造的基礎技術。據統計，中國的機器視覺市場需求近幾年處于持續高速增長階段，年復合增長率保持在23%。截至2021年，國內機器視覺市場規模達163.8億元。

目前，機器視覺在工業領域的應用主要包含定位、測量、識別、檢測等方向。隨著制造業智能制造轉型步伐加快，工業視覺在各個方向上的應用都面臨著精度、速度與準確率要求越來越高的挑戰。這其中的部分問題隨著硬件水平的提高得到了有效的解決，比如采集硬件的分辨率、傳輸帶寬、運算效率方面，但是也有一部分問題，需要長周期的實踐和迭代升級才有可能解決，其核心關鍵點在于深度學習技術的發展與應用。深度學習技術會使工業視覺的應用邊界得到極大地拓展，由原來只能在產品標準化、一致性極高的場景，變成幾乎可以替代人眼進行任意場景下的視覺檢測應用，而且不止是工業生產方面，在農業、民用等領域也可以取得良好的應用效果。

傳統算法的實施效率高、消耗的算力和功耗少，這是深度學習無法比擬的優勢。但針對一些代表性的場景如特征明顯但存在異物干擾的情況，使用傳統算法唯一的問題是會造成一定程度的過殺，而深度學習可以解決這些傳統算法無法解決的復雜場景問題。因此，從項目實施的復雜性和成本角度考慮，傳統算法和深度學習相結合是應該優先考慮的方案。

多年的研發和一線實踐，維視智造團隊深諳傳統算法與深度學習優勢與邊界，因此開創性地將傳統算法融合深度學習，推出了面向工業4.0時代，加載深度學習技術的通用智能視覺開發平臺VisionBank AI。最新版本幾乎可以完成任何行業內任何場景下的圖像處理任務。而且基于英特爾OpenVINO的硬件加速，可幫助制造業用戶快速構建自己的深度學習解決方案，在簡化開發流程、提高檢測準確性的同時，可以有效為用戶節省部署成本。

VisionBank AI具備四大核心優勢：應用簡單、穩定高效、深入場景與快速迭代。

應用簡單

VisionBank AI的操作界面清晰易懂，模塊化、0代碼、智能化、拖拉拽式的開發模式，操作簡單，視覺應用搭建效率更高。

穩定高效

結構穩定、運行高效，VisionBank AI基于15年的研發和市場實踐，已形成高度穩定的系統架構和成熟的模塊化算法結構，軟件穩定性更強。同時流程與流程間、模塊與模塊間均支持并行運算，IO、PLC協議、圖像存儲等功能全部內置，可快速適配機器視覺其他軟硬件部署。

深入場景

維視智造擁有20年的一線經驗積累，涉足成千上萬的視覺檢測場景，形成VisionBank AI扎實全面的能力基因。針對細分場景，則開發了大量專用算法模塊，如彈簧檢測、齒輪檢測、管材檢測、扇貝定位等。

快速迭代

隨著新算法、新技術和創新應用的不斷發展，VisionBank AI項目開發架構及系統架構可高效完成升級迭代，從而覆蓋更廣的場景問題。

VisionBank AI為補齊傳統算法盲區，重點開發了3類深度學習專用工具：“特征智能分割”、“特征智能分類”和“智能定位”。這三大工具將有效解決在機器視覺檢測中，產品缺陷特征難識別、特征分割不穩定以及興趣對象難以穩定定位的問題，為制造業更復雜的生產場景和更精細化的檢測需求帶來有效的解決方案。

VisionBank AI共實現了4項技術突破

1、對平臺算力要求降低，精簡項目成本。VisionBank AI在線推理的神經網絡模型均基于OpenVINO進行了模型優化，優化后的模型，對算力平臺的要求最高可降低16倍（不同類型的模型優化結果有差異）。使得VisionBank AI的在線推理可全部基于CPU完成，降低GPU使用需求，從而優化企業的成本控制。

優化后的神經網絡模型檢測“焊靶”缺陷，處理時間僅需24ms（基于CPU推理）

2、訓練數據量降低100倍。創新的深度學習模塊和傳統缺陷檢測算法深度融合，可以利用傳統算法“過檢”后的“圖像塊”來訓練“缺陷過濾神經網絡模型”，在利用對抗訓練的準確性優勢下，有效解決了“負樣本”圖像數據獲取問題。

使用傳統算法的“中間數據”訓練網絡模型

3、新一代特征匹配算法，提速11倍。最新開發的第四代“特征匹配算法”相對于第一代算法，匹配速度提升了11倍，支持以下異常特征匹配：特征被部分遮擋、特征大小有縮放、特征扭曲變形以及特征顯示不全等。

匹配定位+線芯檢測502個對象，總耗時103毫秒（500萬像素）

4、最新升級的架構模塊，最多支持16臺相機同時并行檢測。一臺處理器可以當16臺處理器使用，在多相機協同工作場景，實現了有效的成本優化。

維視智造以VisionBank AI搭載高性能視覺產品，已在多個復雜場景中落地應用，為數千客戶解決了多個工業檢測難題。

在光伏行業“引線焊接質量檢測”項目中，檢測的特征隨機多樣、干擾因素繁雜，維視智造使用VisionBank AI，部署了“傳統算法+深度學習+深度學習”的三嵌套方案，最終使檢測速度提升至2秒1板，并在“0漏檢”的前提下，使“誤檢率”低至0.01%。

3C電子行業常見的手機后蓋缺陷檢測，檢測產品缺陷不同特征之間形態差異大、部分缺陷不明顯，打光難度大，但客戶往往對檢測精準度、速度要求高。使用VisionBank AI特有的缺陷檢測功能，即可將種類繁多、特征各異的缺陷實現高效識別，準確識別率大于99.99%。

汽車行業的汽車變速器料盒在線檢測場景，通常使用機器視覺檢測來料盤上的物料是否有漏放、錯放、掉件等，其產品尺寸大、檢測細節多、干擾多，彈簧間距不容易判斷，以往的人工檢測“誤檢”和“漏檢”率高。VisionBank AI的彈簧狀態檢測專用算法模塊，使用特有的特征提取算法，可極大提高檢測速度和準確率，使識別準確率高于99.9%。

除上述實踐案例外，維視智造的VisionBank AI也已在鋰電、汽車、半導體、 醫療與食品、教育等行業成功落地使用，為各行業的智能化升級，降本增效提供助力。

審核編輯黃昊宇