隨著科技的不斷進(jìn)步，工業(yè)自動(dòng)化與智能化已經(jīng)成為不可阻擋的潮流。在這個(gè)大趨勢(shì)下，AI機(jī)器視覺作為一種強(qiáng)大的缺陷檢測(cè)技術(shù)手段，正在對(duì)工業(yè)進(jìn)行深刻的重塑。自動(dòng)化使得生產(chǎn)過程中的重復(fù)性操作能夠由機(jī)器精確執(zhí)行，大大提高了生產(chǎn)效率，減少了人為誤差。智能化則進(jìn)一步賦予了工業(yè)生產(chǎn)系統(tǒng)自主學(xué)習(xí)和決策的能力。通過大數(shù)據(jù)分析、人工智能算法等技術(shù)，工業(yè)設(shè)備能夠根據(jù)生產(chǎn)數(shù)據(jù)進(jìn)行自我優(yōu)化，這在很大程度上提高了生產(chǎn)的可靠性和穩(wěn)定性。

AI機(jī)器視覺通過圖像采集設(shè)備獲取產(chǎn)品的圖像，然后利用算法對(duì)圖像進(jìn)行分析，從而檢測(cè)出產(chǎn)品是否存在缺陷。其基本原理是將采集到的圖像與預(yù)先設(shè)定的標(biāo)準(zhǔn)圖像或模型進(jìn)行對(duì)比。目前，AI機(jī)器視覺在眾多工業(yè)領(lǐng)域都有應(yīng)用，如食品包裝行業(yè)中的異物檢測(cè)、制藥行業(yè)中的藥品包裝完整性檢測(cè)等。在這些應(yīng)用中，機(jī)器視覺能夠以較快的速度和較高的精度完成檢測(cè)任務(wù)，在一定程度上保障了產(chǎn)品的質(zhì)量。在面對(duì)一些復(fù)雜的工業(yè)環(huán)境和更細(xì)微的缺陷檢測(cè)時(shí)，它還可以通過深度學(xué)習(xí)算法可以通過大量的樣本數(shù)據(jù)進(jìn)行訓(xùn)練，從而更加準(zhǔn)確地識(shí)別出復(fù)雜的缺陷類型。

在生產(chǎn)過程中，隨著產(chǎn)品的不斷變化或者生產(chǎn)環(huán)境的改變，AI機(jī)器視覺系統(tǒng)要做到實(shí)時(shí)調(diào)整檢測(cè)算法和參數(shù)。例如，當(dāng)生產(chǎn)線上更換了一種新的產(chǎn)品類型時(shí)，AI機(jī)器視覺系統(tǒng)需要做到快速學(xué)習(xí)新的產(chǎn)品特征，并適應(yīng)新的檢測(cè)要求，而且還要無需進(jìn)行大規(guī)模的重新編程。這些復(fù)雜的需求讓“深圳虛數(shù)”有了自身的定位，自研并開發(fā)出了DLIA工業(yè)缺陷檢測(cè)軟件。在DLIA里，深圳虛數(shù)還針對(duì)數(shù)據(jù)獲取與標(biāo)注等難題，采用了數(shù)據(jù)增強(qiáng)和合成技術(shù)。通過對(duì)現(xiàn)有的少量樣本數(shù)據(jù)進(jìn)行旋轉(zhuǎn)、翻轉(zhuǎn)、縮放等操作，增加其數(shù)據(jù)的多樣性，在一定程度上彌補(bǔ)了數(shù)據(jù)的不足。