本文探讨了AI在工业质检中的应用，尤其是如何解决漏检问题。介绍了以图搜图引擎的背景、挑战，提出了一种结合传统matchTemplate算法并优化的解决方案，旨在提高搜图效率和命中率。此外，还分享了腾讯云的工业AI+解决方案，降低门槛，提供一站式的工业智能应用实施环境。
作者：maopengwang
伴随人工智能的极速发展，AI工业也随之大放异彩，工业质检是整个制造中一个非常重要的环节，传统人工工业质检缺乏统一性标准，人工质检效率低，人工质检失误多，制造企业招工难，AI智能质检也随之被各大AI公司看好，AI质检具有天然优势，成本低，效率高等，但如何工业AI质检有效落地是我们面临的一个巨大挑战，工业有本身行业的特殊性，质量标准，生产工艺，产品多样性都给AI质检系统带来阻力。
今天一篇“AI工业质检之以图搜图引擎”带大家如何解决工业漏检问题，如何回溯漏检历史现场。
01产品功能/使用
工业质检主要指标问题：过杀与漏检， 过杀是指工业产品是完好样品被AI质检系统判定为缺陷样品，漏检是指工业产品是缺陷样品被AI质检系统判定为完好样品，漏检的分析问题定位也是整个AI质检系统最难课题之一，例如AI质检系统检测了上万甚至百万样品为完好样品，在人工复查时发现个别样品是缺陷样品，这样情况如何解决问题，样品没有编号就无法还原到漏检现场，不能复现漏检现场就无法真正解决问题，为了回溯漏检历史现场，项目起初采用人工肉眼搜查，根据漏检样品特别的纹路或斑点搜索历史图片确定漏检样品拍摄图像，这样做效率低，耗时长，成本高。以图搜图引擎就是以这样背景情况设计出来，终极目的回溯漏检历史现场。
最低0.47元/天 解锁文章
608
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
