·相比傳統(tǒng)的機器視覺有更高的檢測準確性，在外觀的判斷標準上更加接近于人眼的判斷標準，相比人眼有更可靠的重復性；
·配置自動上下料，實現(xiàn)檢測過程的自動化。生產線對接，進一步提升測量效率；
·完成產品 4 個面的測量，2s 即可完成，可以根據特殊需求定制所有面的測量；
·一次投資長期回報，無需人力成本和管理成本；
·判斷標準一致，無主觀判斷；
·處理人無法判斷的缺陷；
·7X24 小時無間斷工作。
基本原理
·有很多復雜的缺陷特征，傳統(tǒng)機器視覺無法使用規(guī)則對缺陷進行量化，因而無法進行識別；
·拋棄傳統(tǒng)視覺的對比度，明暗等規(guī)則，使用 OK/NG 樣品實際進行學習訓練；
·深度學習模擬人腦，按照人腦的判斷理念來進行學習和運行。
優(yōu)勢
·訓練樣本少，不需要太多的 OK/NG 樣本進行訓練，每種類型的缺陷僅需 10~20 張圖片樣本；
·光源要求不高，不需要集中精力在如何使圖像對比度更高，缺陷更明顯；
·訓練速度快，一般為幾分鐘或者十幾分鐘，新增樣本也能很快完成訓練。
