机器视觉是一个由成像、算法、计算能力和应用四个环节驱动的综合系统。软件和算法是系统实现的满足市场需求，为机器植入更敏锐的眼睛和更智能的大脑，其中软件和算法是系统实现的技术核心。从授权制造到升级智能制造，算法完整、高效、稳定、通用、易用的软件平台将迅速推动工业制造业的数字成本降低，提高效率，提高企业产品的竞争力。

芯片采购网专注于整合国内外授权IC代理商现货资源，芯片库存实时查询，行业价格合理，采购方便IC芯片，国内专业芯片采购平台。

研发创新与市场频率相同 打造工业视觉算法平台实力

从视觉硬件到软件平台，作为机器视觉行业的综合解决方案提供商，20年来，视觉智能制造见证并参与了国内外机器视觉的发展，积累了丰富的行业和客户经验。智能制造的实现与生产线和工业视觉的共同研发和升级密不可分。视觉智能制造从未脱离工业现场谈论新技术，

面对算法技术快速人工智能化的大趋势，基于多年深刻的行业认知，维视智能制造已经被市场实践验证VisionBank以上，通用智能产业视觉算法平台隆重推出，解决市场新需求——VisionBank AI。

与以传统算法或深度学习为核心的软件相比，VisionBank AI将20年的传统算法积累与深度学习有效融合，最新版本几乎可以在任何行业场景下完成图像处理任务。与此同时，随着新算法、新技术和创新应用方法的不断发展，VisionBank AI升级迭代将在其优秀的项目开发架构和系统架构上快速完成，以解决更多的场景问题。

大道至简 平台降双本

Visionbank AI传统视觉与深度学习算法的创新融合OpenVINO硬件加速可以帮助制造用户快速建立自己的深度学习解决方案，简化开发过程，提高检测准确性，有效帮助用户节省部署成本。主要体现在两个方面：

一、平台完善、稳定、易用、高效，促进人工降本。近年来广为人知的行业痛点是制造业劳动力短缺和劳动力成本高，在部署工业视觉系统时，功能齐全，操作简单，处理快即使软件平台安排很少，经验不足，也可以在短时间内启动——

1.VisionBank AI不是深度学习技术热后的新产品，而是将深度学习技术深度融入具有20年应用积累的软件中的升级产品，得到了大量行业的验证和认可IO、PLC协议、图像存储等功能全部内置，功能更完整，系统更稳定，减少现场维护人员，减少生产线投诉和损失，降低维护和服务成本，提升整体设备体验；

2、在Visionbank AI平台上使用AI模块，用户只需完成图像采集、图像标记、模型培训、工程部署四个步骤，即可完成深度学习项目的实施，步骤简洁明了；

3.创新的深度学习过滤工具可以通过传统算法实现0漏检、高过检，然后通过深度学习过滤过检中的误判。该方案不仅可以在0漏检下实现极低的过检率指标，还可以在进一步降低训练数据量要求的情况下快速获取大量负样本数据。NG获取产品数据不再是问题；

4.由于多年研发实践对传统算法的深刻理解，维视团队建设VisionBank AI几乎将传统算法的能力应用到极致，任何传统算法都能解决的应用场景，VisionBank AI所有接触。在此基础上，只将深度学习技术应用于传统算法无法解决的场景和采用深度学习技术时效率和稳定性较高的场景两个方面；

(VisionBank AI传统算法中可以检测到的隐裂缺陷)

5.高分辨率图像下的高精度、高速智能特征匹配一直是行业难题。VisionBank AI核心图像处理算法始终与国内外最前沿的技术保持一致。与第一代算法相比，最新开发的第四代特征匹配算法的匹配速度提高了11倍，支持以下异常特征匹配：特征部分阻塞、特征尺寸缩放、特征扭曲变形、特征显示不完整等。

（匹配定位 线芯检测502个对象，总耗时103毫秒(500万像素)

二、降低平台计算能力要求，简化项目成本。VisionBank AI基于在线推理的神经网络模型OpenVINO神经网络模型支持模型优化GPU同时也支持推理CPU推理。对计算能力平台的要求最高可降低16倍(不同类型的模型优化结果不同)。VisionBank AI所有的在线推理都可以基于CPU完成。因此，在企业生产项目管理过程中，可以直接使用CPU算力进行AI减少大规模数据推理GPU从而优化成本控制。

三生万物 系统应用随处可见

VisionBank AI基于任何可能的机器视觉项目应用。VisionBank AI开发项目遵循树分支结构，即一个项目可以包含多个独立的过程，每个过程可以包含多个相机，每个相机可以采用多种处理算法；

（VisionBank AI项目开发架构)

VisionBank AI该行业还创建了一个通用的图像处理过程模型，即整个软件模块化。用户可以根据模块分解他们的图像处理任务，并从不同的模块中选择最合适的工具进行组合，以解决非常复杂的图像处理任务。在后期，当遇到新的场景时，软件也可以根据模块快速迭代以解决更多的问题；

（VisionBank AI系统架构）

除了架构的全能优势外，VisionBank AI深度学习技术可应用于图像处理过程的各个环节，如深度学习图像增强、深度学习掩膜、深度学习定位、深度学习模板培训等，给传统算法带来多重惊喜；

VisionBank AI前沿的迁移学习技术应用也使用户更加智能：在深度学习图像增强、深度学习二值图后处理过程中使用各种预训练模型，可以提前思考用户的预期目的，而无需获取任何培训数据。

(深度学习图像增强只能输出你感兴趣的钢筋区)

复杂现场 案例实践证明有效

根据最新的行业报告，从各行业工业视觉的本地化应用规模来看，本地化替代规模主要有3个C电子、锂电池、仓储物流和金属加工，此外，汽车和半导体作为的大型制造业，可能会对工业视觉发展产生很大的影响。机器视觉覆盖的上述行业大多具有技术密集、产品更新频繁等特点。其应用需求呈现出检测精度越来越高、检测速度越来越快、成本越来越低、场景适应范围越来越广的趋势。VisionBank AI正是维视智能制造在正确的市场发展判断下应运而生的产品，能够更好地适应客户现场的各种复杂检测要求，也有典型的实践案例:

检测螺纹裂纹

在螺纹的生产加工过程中，由于各种原因，会产生一定比例的不合格品。如果不能检测到不合格品，会严重影响产品本身的强度。由于螺纹本身的纹理干扰等因素，在检测过程中无法检测或误判率很高，采用传统的视觉检测方法对螺纹进行检测VisionBank AI深度学习功能可大大降低误判率，良品率可达99.9%以上。

检测键盘缺陷

在计算机键盘字符打印过程中，往往会出现各种打印不良，采用传统的视觉检测方法进行检测，如果键盘上残留灰尘、头皮屑、指纹等，会干扰视觉检测。将其误检为字符印刷不良，使合格品误检为不合格品，从而影响生产线的生产效率。针对上述问题，使用VisionBank AI键盘检测的深度学习功能可以大大降低生产线的误检率，从而提高生产线的检测效率和产品质量。

大枣分选

在枣分类检测项目的要求下，需要对各种枣产品进行分类，各类差异明显，采用传统算法进行特征提取判断，无法实现批量生产检测；同时，相同类型的枣有共性，传统的检测方法难以稳定地获得相同的元素。为实现枣的检测分类要求，使用VisionBank 对大枣进行深度学习功能分类检测，达到良好的检测效果。

一体化产品 实力赋能千百业

机器视觉系统是集光学、机械、电子、计算、软件等技术于一体的多行业应用系统。只有完善高效的整体软硬件设备配合运行，才能优化检测、引导等场景的应用效果。维视智能制造作为国内专业的人工智能和机器视觉解决方案供应商，拥有成像传感器、光学照明、光学镜头和制造企业和行业系统集成商VisionBank AI可以代表计算成像算法平台KEMET代理为客户提供一站式先进的机器视觉整体解决方案，配合光伏、电子、汽车、医药、教育等数千家行业客户。

维视智能制造配备了完整、行业领先的产品矩阵，同时在全国建立了机器视觉系统解决方案开放实验室，支持公司技术研发和产品应用的快速实施，与合作伙伴和客户合作，打造良好的产业研究一体化增长飞轮。未来，维视智能制造将继续以客户需求为导向，以行业发展为前瞻性，以精细服务为起点，成为智能制造浪潮下客户优质可靠的合作伙伴。