維視智造VisionBank AI：更實用的產品，是與市場深度同頻

機器視覺是一套綜合系統，其核心的驅動力來自于成像、算法、算力和應用四個環節。切合市場需求，為機器植入更敏銳的“眼睛”和更智能的“大腦”，是機器視覺行業不斷研究的課題，這其中，軟件和算法是系統實現的技術核心。從賦能“制”造到升級“智”造，算法完備、高效穩定，通用性和易用性兼顧的軟件平臺，將快速拉動工業制造行業的數字化降本增效，提升企業產品競爭力。

研發創新與市場同頻 打造工業視覺算法平臺實力之作

從視覺硬件到軟件平臺，作為機器視覺行業一體化解決方案提供商，20年來，維視智造見證并參與了國內外機器視覺的發展，積累了豐富的行業和客戶經驗。智能制造的實現離不開生產線與工業視覺的齊頭并進、共同研發升級。維視智造從不脫離工業現場談新技術，

面對算法技術快速人工智能化的大趨勢，維視智造基于多年深刻的行業認知，在早已經過市場實踐驗證的自研軟件算法平臺VisionBank之上，隆重推出了解決市場新需求的通用智能工業視覺算法平臺——VisionBank AI。

相對于當前行業內以傳統算法或以深度學習為核心的軟件，VisionBank AI將維視20年的傳統算法積累和深度學習有效融合，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。同時，隨著新算法、新技術和創新應用方法的不斷發展，VisionBank AI將在其優秀的項目開發架構及系統架構之上快速完成升級迭代，從而解決更多的場景問題。

大道至簡 一個平臺降“雙本”

Visionbank AI創新性地融合了傳統視覺與深度學習算法，并基于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，可以有效的幫助用戶節省部署成本。主要體現在兩個方面：

一、完善、穩定、易用、高效的平臺，促進人工降本。制造業用工荒及用工成本居高不下，是近些年來廣為人知的行業痛點，而部署工業視覺系統時，功能齊全、操作簡單、處理快速的軟件平臺，即使安排極少、經驗尚缺的操作人員，也可短期上手——

1.VisionBank AI不是深度學習技術火熱后的新產品，而是將深度學習技術深度融合到一個具有20年應用積淀的軟件中的升級產品，已經經受了大量行業驗證和認可的IO、PLC協議、圖像存儲等功能全部內置，功能更完備，系統更穩定，從而為客戶減少現場維護人員，減少產線投訴和損失，降低維護和服務成本，提升整體的設備體驗；

2、在Visionbank AI平臺上使用AI模塊，用戶只需要完成“圖像采集、圖像標注、模型訓練、工程部署”四步，即可完成深度學習項目實施，步驟簡潔明了；

3、創新的“深度學習過濾”工具，可先以傳統算法實現“0漏檢，高過檢”，再用“深度學習”過濾“過檢”中的誤判情況。該方案不僅能實現“0漏檢”下極低的“過檢率”指標，對訓練數據量要求更進一步降低——“過檢”情況下，提高檢測指標，即可快速獲取大量負樣本數據，“NG”產品數據獲取不再是問題；

4、得益于多年研發實踐對傳統算法的深刻認知，維視團隊打造的VisionBank AI將傳統算法的能力幾乎應用到了極致，凡是傳統算法能夠解決的應用場景，VisionBank AI全部觸達。并在此基礎上，只把深度學習技術應用在兩個方面：傳統算法無法解決的場景及采用深度學習技術時效率和穩定性更高的場景；

(VisionBank AI傳統算法可檢出的“隱裂”缺陷)

5、高分辨率圖像下的高精度、高速度智能特征匹配一直都是行業難點問題。VisionBank AI的核心圖像處理算法始終看齊國內外最前沿技術，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）

二、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，神經網絡模型既支持GPU推理，同時也支持CPU推理。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）。VisionBank AI的在線推理可以全部基于CPU完成。因此，在企業生產項目管理流程中，可直接借助CPU算力進行AI大規模數據推理，降低GPU使用需求，從而優化成本控制。

三生萬物 系統應用隨處達

VisionBank AI面向任何可能的機器視覺項目應用。基于VisionBank AI開發工程項目遵循“樹狀分支結構”，即：一個項目可以包含多個獨立流程，每個流程可以包含多臺相機，每臺相機可以采用多種處理算法；

（VisionBank AI項目開發架構）

VisionBank AI還打造出了行業通用的“圖像處理流程模型”，即將整個軟件模型模塊化，用戶可以把自己的圖像處理任務依模塊分解，從不同模塊中選擇最合適的工具進行組合，即可解決非常復雜的圖像處理任務。后期遇到新的場景，軟件也可以按模塊快速迭代，解決更多的問題；

（VisionBank AI系統架構）

除架構的全能優勢外，VisionBank AI的深度學習技術可應用在圖像處理流程中的各個環節，如：深度學習圖像增強、深度學習掩膜、深度學習定位、深度學習模板訓練等，給傳統算法帶來多重驚喜；

VisionBank AI對前沿的“遷移學習”技術應用也讓用戶在使用上更加智能化：在深度學習圖像增強、深度學習二值圖后處理等流程上使用了各種“預訓練”模型，可以在不獲取用戶任何訓練數據的前提下，“提前想到”用戶的預期目的。

(“深度學習圖像增強”可以只輸出你感興趣的“鋼筋區域”)

復雜現場 案例實踐證成效

最新的行業報告顯示，從工業視覺在各行業國產化應用規模來看，國產化替代規模較大的主要有3C電子、鋰電池、倉儲物流和金屬加工，另外汽車和半導體作為規?；⒎€健發展的大型制造行業，隨著中國新玩家的出現，可能會對工業視覺發展的產生放量影響。機器視覺覆蓋的以上行業大部分具有技術密集、產品更新換代頻繁等特征，其應用需求呈現出檢測精度越來越高、檢測速度越來越快、成本越來越低、場景適應面越來越廣等趨勢。VisionBank AI正是維視智造在對市場發展的正確研判之下應運而生的產品，可以更好的適應客戶現場的各種復雜檢測要求，也已有了典型實踐案例：

螺紋裂紋檢測

在螺紋的生產加工過程中，因為各種原因會產生一定比例的不合格品，如果不能夠將不合格品檢測出來，會對產品本身的強度造成嚴重影響。采用傳統的視覺檢測方法對螺紋進行檢測，因為螺紋本身的紋理干擾等因素，在檢測的過程中無法檢測或者誤判率非常高，采用VisionBank AI的深度學習功能，可將誤判率大大的降低，良品率能夠達到99.9%以上。

鍵盤缺陷檢測

在電腦鍵盤字符印刷的過程中，經常會產生各種印刷不良，采用傳統的視覺檢測方法進行檢測，粉塵、毛屑、指紋等如果殘留在鍵盤上，就會對視覺檢測造成干擾。在檢測過程中將其誤檢為字符的印刷不良，使合格品被誤檢為不合格品，從而影響產線的生產效率。針對以上存在的問題，用VisionBank AI的深度學習功能對鍵盤進行檢測，可使產線的誤檢率大大的降低，從而提高產線的檢測生產效率和產品質量。

大棗分選

在大棗的分類檢測項目的要求中，需要對多種大棗產品進行分類，其中每一類之間有著明顯的差異，采用傳統算法進行特征提取來判斷，無法實現批量生產檢測；同時，相同類別的大棗之間又存在共性，通過傳統的檢測方法難以穩定的獲取到相同的元素。為了能夠實現大棗的檢測分類要求，使用VisionBank 深度學習功能對大棗進行分類和檢測，就達到了很好的檢測效果。

一體化產品 實力賦能千百業

機器視覺系統是集光學、機械、電子、計算、軟件等技術為一體，在多行業的應用系統，只有整體軟硬件設備完善高效的配合運行，才能達到檢測、引導等場景應用效果的最優化。維視智造作為國內專業的人工智能與機器視覺解決方案供應商，面向制造業企業及行業系統集成商，現已擁有成像傳感器、光學照明、光學鏡頭及以VisionBank AI為代表的計算成像算法平臺，可提供機器視覺系統整體方案設計、工業視覺部件、遠心光學產品，為客戶提供一站式先進的機器視覺整體解決方案，已合作了光伏、電子、汽車、醫藥、教育等數千家行業客戶。

搭載完備且具有行業領先水平的產品矩陣，維視智造同步在全國建立了機器視覺系統解決方案開放實驗室，支撐公司技術研發與產品應用的快速落地，與合作伙伴和客戶一起，打造良好的產研一體增長飛輪。在未來，維視智造將繼續以客戶需求為導向，以行業發展為前瞻，以精細化服務為抓手，成為智能制造浪潮之下，客戶優質可靠的合作伙伴。