从机器视觉行业风向看维视智造自研视觉算法平台——VisionBank AI

从十九世纪六十年代成像传感器的诞生，到如今AI 算法的飞速发展，机器视觉技术与应用几乎每隔十年就会发生一次深刻变革。近些年，随着国家产业政策的大力支持、产业结构升级推动的需求扩量、人力成本持续升高等因素，未来我国机器视觉行业依然有着可观的发展前景。

有科技智库在今年上半年发布了机器视觉市场研究报告，其中提到了两个重要观点：一是智能制造的实现离不开生产线+工业视觉，齐头并进、共同升级是趋势；二是“一体化” +“多场景” 应用是未来大方向。以此反观维视智造在3月份全新升级推出的通用智能视觉软件开发平台——VisionBank AI，从其研发思路和实际应用来看，正是准确把握了行业脉搏。

一线反馈客户痛点 研发聚焦全面降本

一、完善、稳定、易用、高效的平台，促进人工降本。

1.VisionBank AI不是深度学习技术火热后的新产品，而是将深度学习技术深度融合到一个具有20年应用积淀的软件中的升级产品，已经经受了大量行业验证和认可的IO、PLC协议、图像存储等功能全部内置，功能更完备，系统更稳定，从而为客户减少现场维护人员，减少产线投诉和损失，降低维护和服务成本，提升整体的设备体验；

2、在Visionbank AI平台上使用AI模块，用户只需要完成“图像采集、图像标注、模型训练、工程部署”四步，即可完成深度学习项目实施，步骤简洁明了；

3、创新的“深度学习过滤”工具，可先以传统算法实现“0漏检，高过检”，再用“深度学习”过滤“过检”中的误判情况。该方案不仅能实现“0漏检”下极低的“过检率”指标，对训练数据量要求更进一步降低——“过检”情况下，提高检测指标，即可快速获取大量负样本数据，“NG”产品数据获取不再是问题；

4、得益于多年研发实践对传统算法的深刻认知，维视团队打造的VisionBank AI将传统算法的能力几乎应用到了极致，凡是传统算法能够解决的应用场景，VisionBank AI全部触达。并在此基础上，只把深度学习技术应用在两个方面：传统算法无法解决的场景及采用深度学习技术时效率和稳定性更高的场景；


5、高分辨率图像下的高精度、高速度智能特征匹配一直都是行业难点问题。VisionBank AI的核心图像处理算法始终看齐国内外最前沿技术，最新开发的第四代“特征匹配算法”相对于第一代算法，匹配速度提升了11倍，支持以下异常特征匹配：特征被部分遮挡、特征大小有缩放、特征扭曲变形以及特征显示不全等。


二、对平台算力要求降低，精简项目成本。

VisionBank AI在线推理的神经网络模型均基于OpenVINO进行了模型优化，神经网络模型既支持GPU推理，同时也支持CPU推理。优化后的模型，对算力平台的要求最高可降低16倍（不同类型的模型优化结果有差异）。VisionBank AI的在线推理可以全部基于CPU完成。因此，在企业生产项目管理流程中，可直接借助CPU算力进行AI大规模数据推理，降低GPU使用需求，从而优化成本控制。

结合硬件设备 从容面对各种应用场景

VisionBank AI面向任何可能的机器视觉项目应用。基于VisionBank AI开发工程项目遵循“树状分支结构”，即：一个项目可以包含多个独立流程，每个流程可以包含多台相机，每台相机可以采用多种处理算法；


VisionBank AI还打造出了行业通用的“图像处理流程模型”，即将整个软件模型模块化，用户可以把自己的图像处理任务依模块分解，从不同模块中选择最合适的工具进行组合，即可解决非常复杂的图像处理任务。后期遇到新的场景，软件也可以按模块快速迭代，解决更多的问题；


除架构的全能优势外，VisionBank AI的深度学习技术可应用在图像处理流程中的各个环节，如：深度学习图像增强、深度学习掩膜、深度学习定位、深度学习模板训练等，给传统算法带来多重惊喜。

机器视觉系统是集光学、机械、电子、计算、软件等技术为一体，在多行业的应用系统，只有整体软硬件设备完善高效的配合运行，才能达到检测、引导等场景应用效果的最优化。维视智造作为国内专业的人工智能与机器视觉解决方案供应商，面向制造业企业及行业系统集成商，现已拥有成像传感器、光学照明、光学镜头及以VisionBank AI为代表的计算成像算法平台，可提供机器视觉系统整体方案设计、工业视觉部件、远心光学产品，为客户提供一站式先进的机器视觉整体解决方案，已合作了光伏、电子、汽车、医药、教育等数千家行业客户。

在未来，维视智造将继续以客户需求为导向，以行业发展为前瞻，以精细化服务为抓手，成为智能制造浪潮之下，客户优质可靠的合作伙伴。官方热线：4000-400-860