人類在感知外界環境的過程中，80%以上的信息來自于視覺。在工業制造領域，機器視覺產品是機械設備的“慧眼”，實現了對外界環境的觀察、識別以及判斷等功能。工業環節的人工智能應用，多數都與機器視覺技術有關。

AICloud架構中，機器視覺產品處于邊緣節點圈層，完成了多維感知數據的采集和前端智能處理。將AI算力注入邊緣，賦能邊緣智能是大勢所趨。

01

更便捷的缺陷檢測應用

傳統的視覺系統面對復雜多變的缺陷類型，需要根據實際的場景搭建不同的算法模塊，非常繁瑣，而借助AI深度學習，只要通過缺陷樣本的訓練，得到訓練模型，利用模型就可以進行缺陷檢測。

對于混雜在被檢測物中的劃痕，首先要對其進行分割識別。如下圖，深度學習分割算法可對圖片進行標記訓練，得到每個像素點是缺陷的概率圖，在概率圖基礎上結合Blob分析的工具，實現表面缺陷檢測。無論劃痕的形狀、位置如何變化，AI加持的視覺系統都能即刻做出正確判斷。

02

更精準的字符識別應用

借助基于神經網絡的深度學習算法對已知類型的數字、字母類字符進行標記訓練，在生產過程中可以識別畫面中是否存在類似字符，并輸出準確的結果，讓機器在沒有人的幫助下自己讀懂字符概念。

如下圖所示，工業相機在進行字符識別應用時，藍框所選字符處于背景有臟污、干擾的環境中，人眼難以準確讀取，但借助基于神經網絡的深度學習算法，視覺系統能夠高效識別，并輸出結果（綠色字符所示）。

基于AI深度學習的字符識別應用對點陣、粘連、變形、低對比度、復雜背景等均有較高識別率，完成了傳統視覺系統無法實現的功能，且單一模型兼容多種字體及包裝形式，在下圖所示的乳制品灌裝線上，結合AI的視覺系統可滿足流水線上的高速檢測需求，識別率達到99.98%以上。

03

更高效的目標定位應用

在沒有固定定位特征的場景下、且目標位置隨機變化時，傳統視覺系統無法實現目標定位。這種情況下借助AI深度學習目標定位應用，則可輕松鎖定目標，再也不用“眾里尋他千百度”。

如下圖所示的包裹面單，無論如何放置包裹，借助深度學習目標定位算法，相機都能高效讀取條碼信息。

這種技術在各大快遞分揀中心已落地應用，面對雙11、618的天量包裹，也能讓你下單的寶貝更快到家。

04

更多維的視覺感知方式

過去，2D相機無法采集物體深度、體積等信息，搭載2D相機的機械臂不能對有高度差混料和無序擺放的物體做抓取。3D感知技術加持后，則可實現上述功能。從無到有，更智能的定位引導和體積測量應用不再“高深莫測”。

機器視覺系統的特點是提高生產的柔性和自動化程度，運用在人工視覺難以滿足要求的場合。AI是制造業轉型升級的變革力量，機器視覺之于AI等同于視覺之于人類。海康威視深耕多維感知、深度學習等多項AI關鍵技術，海康機器人助推AI與生產制造業的智慧碰撞，讓工業設備“慧眼如炬”，用AI賦能智能制造。

目前，海康威視機器視覺已為3C、食藥品、新能源、汽車及零配件、紡織、電子半導體、物流等行業賦能。