為了契合日趨嚴苛的瑕疵檢測需求，研發出基于深度學習的Proxima瑕疵檢測軟件系統，通過深度神經網絡高效地對學習模型進行訓練，不斷完善機器學習成果的統計分析，精準高效解決產品表面瑕疵檢測環節遇到的各種問題。

可檢測的主要瑕疵類型：

產品特色：

1、學習速度——快

針對產品的某一類型的外觀瑕疵，給系統輸入 10 張或更多的瑕疵樣本；系統通過深度學習 建立自己的 NG 數據庫，從而形成針對該種類 瑕疵的神經網絡；當被檢測工件通過成像系統， 即可被智能識別、標記和分類。

2、識別判斷——準

Proxima 瑕疵檢測軟件可有效的完成高干擾背 景下的缺陷識別和不規律的圖像分析，達到人 眼辨別水準，并且多層神經網絡層對學習模型 進行了有效訓練，使得瑕疵檢測率高于傳統檢 測方式

以 2D 玻璃、金屬殼體瑕疵檢測為例：

·訓練數據：100 張不良，100 張合格品

·檢測數據：1000 張

·缺陷識別率：大于 98%

·漏檢率：小于 0.5%

3、檢測效率——高

·使用獨立 GPU 進行圖片處理，可多 GUP 并 行，使得檢測時間可低至毫秒級別。

·測量過程中獲取的圖像可以進一步的學習， 從而減少優化過程。

·配合自動化實現車間在線完成零件外觀瑕疵 的 OK/NG 判斷和分 BIN。

4、應用范圍——廣

智能瑕疵檢測應用案例

智能瑕疵檢測已被廣泛的用于金屬器械制造行 業、玻璃制造業、塑料生產行業、電子 & 通 訊行業、汽車行業、太陽能、PCB、薄膜、半 導體等行業……

5、操作難度——易

軟件界面遵循微軟辦公標準設計，操作流程只需“標注，訓練，檢測"三步即可出結果，無需復雜培訓就能上手。

典型案例

思瑞瑕疵檢測方案，實現準確高效在線測量

通過專業智能檢測項目團隊，能為多行業客戶提供定制化智能瑕疵檢測方案。出色的硬件配置，配合Proxima產品外觀質量智能檢測系統，思瑞瑕疵方案實現高精度、高效率、高自動化在線測量。