【智能手表表带】案例分享——AI深度学习在智能手表表带的外观缺陷检测中的应用

随着智能手表等产品的迭代速度越来越快，传统机器视觉不能自动学习瑕疵特征、难以分析无规律图像、面对海量数据无法提高检测精度等检测局限性问题越来越突出，于是，东声智能开始探索将人工智能深度学习技术应用到3C消费品的检测中。

检测项目-

智能手表表带的外观缺陷检测

检测难点-

该项目存在以下几个难点，缺陷种类多，包括划痕、凹陷、污渍等；表带材质多样化，包括金属、橡胶、尼龙等；缺陷数据量少；对算法和模型的效率要求高；传统的检测算法满足不了现有的检测需求。

东声AI解决方案-

基于HanddleAI软件平台的的缺陷分割算法，结合定制的guanxgue方案，从上面、底部以及侧面3个方向抓取表带的图像，我们可以得到表带宽度、厚度、颜色及编织情况，因而准确抓取缺陷位置。

检测内容-

异色、颗粒、粘膜、亮点、百痕、黑痕、异色、脏污、杂质、过摩、毛边、刮伤、牛角缺料等。

Web：www.dongshengai.com

Tel：0512-68187631