仪酷智能工业AI视觉检测解决方案_LabVIEW AI工业视觉检测系统

立即咨询

立即试用

商务合作

仪酷智能工业AI视觉检测解决方案

仪酷智能工业 AI 视觉检测解决方案，搭载 LabVIEW AI 工业视觉检测系统，依托专业技术实现高精度检测。集成工业智能缺陷检测系统，自动识别产品瑕疵、提升质检效率与准确率。

立即咨询

需求分析

行业痛点

传统视觉检测方法对复杂缺陷难以准确识别
检测效率低，难以实现快速产线要求
人工检测成本高、误判率高、稳定性差

客户核心需求

高精度缺陷检测与分类能力
实时、高效处理能力
便捷的二次开发与现场部署能力

我们如何满足这些需求和解决行业痛点？ icon

我们提供Al Vision Toolkit for OpenVINO（以下简称AIVT-OV）、Al Vision Toolkit for GPU（以下简称AIVT.GPU）、YK ObjectDetection Train（以下简称0DTrain）、YK Segment Train（以下简称SegTrain）等直观的可视化开发平台，大幅降低机器视觉开发难度和周期。
支持视觉算法模块化，用户无需深入理解底层即可快速配置与调整视觉检测算法。
提供广泛的相机接口，包括网络相机以及USB相机，同时与NIVision可以无缝兼容，使视觉系统快速灵活地集成到各种生产环境。
具备强大的实时处理和分析能力，可针对不同硬件（CPU、GPU、NPU）进行优化加速，应对高速生产线实时检测任务。
提供各种AI算法模块，有效提高复杂检测场景下的识别准确性。利用深度学习模型的强大泛化能力，无需反复调整规则，即可快速适应不同生产批次中的变化以及新的检测需求，减少系统停机时间和部署周期，提升整体运营效率。

我们的LabVIEW AI系列工具包 icon

支持系统：Windows/NI Linux RT
推理引擎：Onnxruntime/OpenVINO/tensorRT.
AI模型：yolo目标检测、图像分割、关键点检测、OCR.
时序信号分析等。
三维视觉：包括相机标定、双目标定、手眼标定、三维定位等功能。
提供近百个行业应用程序范例：包括工业缺陷检测、医疗影像、农业畜牧业视觉检测、故障诊断。
无缝兼容DeepSeek、SAM、Stable Diffusion等大模型并配有自主开发的私有RAG知识库技术。

技术路线

本方案采用仪酷智能LabVIEW AI工具包作为核心AI视觉检测平台，包含：
深度学习模型标注于训练模块（ODTrain及SegTrain）
图像处理与深度学习模型开发/部署模块（AIVT-OV或AIVT-GPU）
数据分析与可视化模块（LabVIEW Front Panel界面设计）。

系统构架

仪酷智能AI视觉检测方案整体流程如下：工业相机一图像采集一数据标注一模型训练一推理部署→数据分析→ 前端可视化界面 →系统集成。仪酷智能提供完整的软件链路以完成以下整个步骤内容。

方案实施步骤

① 图像数据采集与预处理

工业相机部署、拍摄图像采集使用仪酷智能提供的label_object_mask、label_object_obb等标注工具高效标注，快速生成高质量训练数据集。。

② 模型训练与优化

使用仪酷智能训练工具，构建深度学习模型（目标检测/图像分类/语义分割等）
图像数据导入训练模型，迭代优化提升检测精度。

③ 开发与调试

使用AIVT-OV/AIVT-GPU的计算机视觉工具模块进行实时图像处理,使用OpenVINO\ONNX Runtime\TensorR1实现与主流深度学习框架（PyTorch、TensorFlow、PaddlePaddle等）模型的无缝对接，调用模型完成对象检测与分类;利用AIVT-GPU加速器模块，发挥GPU高效计算能力，实现高吞吐量与低延迟的实时检测开发友好的人机交互界面（前端）。

④ 系统联调与现场实施

现场软硬件设备安装部署与联调优化视觉检测算法，适应现场工况。

优势与亮点

一、检测精度高、速度快、样本数量依赖少

GPU推理优化速度一骑绝尘，500万像素级检测单图推理耗时10ms以内，可选择不同尺寸的模型设置不同的输入，完成最快单张图2ms内的推理。
CPU推理效率大幅提升，500万像素级检测，单图推理耗时40ms以内，中低速场景可使用CPU直接推理，无需显卡，大大降低成本。
采用小样本技术，单类缺陷样本仅需30张左右图片即可稳定建模。良品学习性能良好，算法通过学习特征，即可识别缺陷品，在部分场景实现0样本。

二、兼容性强

支持ONNX、IR标准，兼容主流深度学习框架，无需额外技术迁移成本。
充分整合了深度学习算法与LabVIEW的低代码、图形化开发优势，借助仪酷智能AI视觉工具包，实现了一键训练与部署。
即使用户对AI原理不甚了解，也能像其他语言开发者一样轻松完成视觉检测任务，显著降低技术门槛。

三、高效便捷的开发流程，集成度高

一站式集成数据标注、本模型训练、推理部署于一体快速落地工业生产环境。
工具包内置成熟的AI模型和预配置模块，使开发者可以快速搭建检测系统，缩短从项目启动到现场应用的周期。同时，图形化编程方式使得调试和维护变得直观易行，降低了后续系统升级和扩展的难度。

四、充分利用现有硬件资源

该方案能够充分发挥现有计算机和工业设备的性能，无需进行大规模硬件升级，从而大幅降低企业投入成本通过优化算法和硬件加速技术，在保证检测精度的前提下提升整体系统运行效率。

五、模块化与开放性设计

采用模块化架构设计，用户可以根据实际需求灵活配置和定制各项功能，并与现有系统无缝对接，形成端到端的智能制造生态，满足不同工业应用场景的需求

六、全场景算法工具景

支持缺陷检测、缺陷分类、图像分割、字符识别、非监督分割等视觉场景落地。

分割

对图像进行像素级检测，精准识别缺陷的位置、尺寸和类别。

检测

对图像进行区域级检测，准确识别目标物或缺陷。

字符识别

对图像中的字符进行高效识别。

分类

判断整张图像所属类别。

非监督分割

只需良品图即可对所有已知和未知缺陷进行像素级检测，快速上线验证。

定位

检测图像中单个或多个目标的类别、位置、大小和方向。

电子行业--开关主体外表缺陷检测 icon

客户需求

客户是一家专业从事开关生产的制造商，需对开关外壳主体进行全面外观质量检测。由于开关体积较大、型号多样，表面可能出现刮花、压伤、缺损等多种缺陷，其中部分刮痕区域极为细小。现有检测方式主要依赖人工目检，但检测疲劳导致漏检率较高，亟需引入更加稳定高效的自动化检测方案

方案概述

基于仪酷研发的AI算法平台，构建了一套纯AI视觉检测方案，通过少量（20+）样本完成数据标注与训练后快速上线。该方案无需依赖传统规则算法，具备更强的泛化能力与检测精度尤其适用于检测低对比度、细小面积的瑕疵。此外，算法能力无缝集成进客户原有的LabVIEW控制系统中，使得检测软件与产线硬件间的数据与资源调动更高效，部署与运维更为便捷。

方案价值

检测稳定性大幅提升：成功识别微小划伤等传统手段难以检测的缺陷类型，显著降低检率;
减少人工依赖：实现关键环节自动化，每条产线减少2~3名质检人员;集成效率高：AI算法模块可直接嵌入LabVIEW架构中，无需额外硬件控制系统，节省对接时间与调试成本;
兼容性强：同一套AI模型可适配多种型号开关主体，具备良好的扩展性和复制能力。

橡胶行业--橡胶垫片轮廓检测 icon

客户需求

在某类结构零部件的生产过程中（如套圈、垫片、导向圈等），其几何轮廓形状复杂、边缘加工精度要求高。若存在形变、翘边、尺寸异常、缺口等缺陷，不仅影响配合精度，还可能导致功能失效或装配干涉。传统尺寸检测多依赖接触式测量或规则模板比对，对异形件或边缘细节响应能力差，无法满足现代高一致性、高自动化产线的质量控制需求

方案概述

基于仪酷智能AI工具包，构建语义分割驱动的零部件质量检测系统，主要功能包括采用深度学习语义分割模型，实现对轮廓边界的逐像素级分割与精确匹配;结合LabVIEW平台对接工业相机采集图像，在完成分割后进行自动比对判断，标记边界偏差、缺口、变形等NG区域。

方案价值

像素级检测实现缺陷全覆盖，保障产品品质;
借助AI自动标注中使用标注简单的特点，有效缩短瑕疵品收集和图像标注时间，实现快速上线。

汽车行业--汽车特定部件垫片定位 icon

客户需求

客户针对某特定部件垫片的定位检测面临人工检测漏检率高、效率低的问题，难以满足产线高速运转下的质量管控要求，并且垫片安装位置存在多种复杂工况，对装配工艺也有严格的规范标准，所以需要确保产品安全性和装配可靠性

方案概述

基于仪酷智能AI工具包，利用工业相机高分辨率图像采集，通过数据集处理以及软件配置环境，使配件放在既定位置，并同步检测垫片表面是否有瑕疵，完成质检需求。

方案价值

通过软件算法迭代优化，显著降低漏检率，满足汽车制造对装配工艺的严苛要求;·集成智能告警与数据追溯系统，实现异常数据自动标记与工艺规范动态匹配，减少人工干预，提升质检效率与一致性;通过精准识别垫片安装位置偏差，确保零部件按规范装配，避免因安装错误导致的安全隐患，保障产品装配可靠性与使用安全。

电池行业--纽扣电池外观不良信息检测 icon

客户需求

纽扣电池在大规模自动化生产过程中，电池表面容易出现脏污、凹陷、裂纹、异物压伤等缺陷，这些细节问题不仅会影响成品美观，更可能引发接触不良、密封失效、漏液等产品安全风险。尤其在出货给高端电子产品厂商时，外观缺陷容忍度接近于零。
面对产线节拍快、反光面易干扰的问题，客户亟需一套适用于金属反光件、具备细节识别能力的自动化视觉检测系统，以确保质量标准达成并提升检测效率。

方案概述

通过仪酷智能目标检测的工具包，将同一平面内所有的瑕疵种类进行标注训练，完成不良检测，同时在结果输出后可以适用于下位机，方便产线进行升级使用

方案价值

检测精度高：识别准确率达98.5%，可稳定识别微小裂纹、浅表压伤等边界缺陷;抗反光能力强:结合图像增强与照明结构优化，有效抑制金属镜面反射干扰;节拍稳定、部署快速:单颗检测时间控制在0.5秒以内，满足高速产线需求。

医疗行业--肿瘤细胞检测 icon

客户需求

在肿瘤微创诊疗过程中，医生通常依赖内窥镜图像观察肿瘤组织区域，并通过经验判断其密度、分布与演变趋势。然而在实际操作中，肿瘤细胞的形态复杂、边界模糊、颜色接近背景组织，且数量众多，仅凭肉眼难以准确识别与统计

方案概述

本项目基于仪酷智能AI平台，结合自主训练的Unet+ResNet分割模型，并通过TensorRT引擎进行优化与加速推理,基于医学图像特点构建Unet+ResNet深度分割模型，针对细胞边界模糊、颜色近似问题进行优化;使用TensorRT Optimizer对模型进行压缩优化，在GPU平台实现60fps无卡顿推理，满足1080P高清图像处理要求。

方案价值

实现内窥图像中肿瘤细胞实时识别与可视化输出，支持医生手术中实时辅助决策;
系统推理延迟小于15ms，在1080P@60fps的图像流下依然保持流畅;仪酷智能AI平台支持多种自训练模型，并有多种优化方案。

农业--玉米种子缺陷检测与品质分级 icon

客户需求

玉米作为重要的粮食作物，其种子质量直接关系到出苗率与农作物后期生长情况。在种子加工环节中，常出现霉变、破碎、虫蚀、焦糊、并肩杂种子混入等问题，严重影响种子批次的整体质量。
由于玉米种子较小且部分缺陷如霉点或虫眼面积极小，人工分选难度大，效率低，质量一致性难以保障。，需实现高速无损检测，精准剔除劣质种子，确保每粒种子胚芽完整、活力达标，保障播种发芽率与产量。

方案概述

基于仪酷智能AI视觉工具包构建基于深度学习的多类别分类模型，对种子进行霉变、虫蚀、破碎、焦糊、并肩杂等多类缺陷识别;将检测结果映射为分级标签，输出至控制系统进行种子剔除、计数或对应分级仓落料，引入AI算法解决传统算法无法识别虫蚀，并肩杂等缺陷类型，大幅提升了玉米种子分选精度与处理效率，满足对优良种源稳定供给的需求。

方案价值

单粒种子图像处理时间控制在1ms以内，满足高速选种线节拍需求;处理效率大幅提升，较人工筛选效率提升30倍，人力成本节省90%;分类准确率达99%以上，对轻微需变、虫孔等微小缺陷均可高精度识别，满足客户需求

畜牧业--内蒙古牛场智能节水与生态守护 icon

客户需求

内蒙古某实业公司是一家专注于畜牧业的企业，主要经营大型牛群养殖。随着畜牧业的快速发展，水资源短缺问题日益突出，尤其是在夏季，牛群因体温过高而产生过量饮水，导致水资源浪费严重。

方案概述

为解决内蒙古水资源短缺问题，我们通过使用仪酷智能AI工具包采集、训练数据集后部署智能传感器，实时监测牛群的体温变化。当牛群体温超过设定闽值时，系统自动触发硬件给水系统进行放水操作。这一技术不仅实现了对牛群生理状态的精准监控，还显著减少了不必要的饮水需求，从而降低水资源浪费。

方案价值

通过自动触发给水系统，有效减少了水资源的浪费，避免了因过度放水导致的水资源短缺问题;

不仅解决了水资源短缺问题，还保护了动物的生存环境，提升了动物的生存质量;

通过自动化、精准化的管理方式，无需在此类琐事上投入大量的人力和物力进行管理让客户有更多时间关注核心业务。

包装行业--玻璃瓶外观检测 icon

客户需求

玻璃瓶生产过程中，表面易产生划痕、气泡、杂质等细微瑕疵，需在高速流水线上实现精准检测，避免漏检误判，并自动剔除不合格品，保障出厂质量及外观一致性

方案概述

使用仪酷智能AI工具包，利用高精度工业相机采用多角度环形光源与偏振滤光技术，有效抑制光斑干扰并增强缺陷成像对比度，实时拍摄瓶身图像，通过深度学习算法实时分析图像特征，精准定位划痕、气泡、杂质等瑕疵类别，结合自适应阈值判定与形态学处理技术排除环境干扰，确保检测结果稳定可靠，全面提升生产良率与质量追溯效率。

方案价值

替代人工目检，检测速度大幅提升，24小时无间断运行，人力成本降低70%;
瑕疵识别准确率>99.5%，误剔率<0.3%，杜绝瑕疵品流入市场;保障玻璃瓶外观完美，提升品牌高端形象，客户投诉率下降90%;

光伏行业--光伏电池板外观检测 icon

客户需求

目前，第三次能源革命使得全球能源结构逐步向可再生能源转型，太阳能作为具有较大潜力的清洁能源，受到越来越多的关注。在太阳能组件的生产环节中，光伏电池板的划痕、黑点黑边、无电区域、叉隐等表面瑕疵会直接影响整体组件的光电转换效率和出厂良率，影响光伏系统稳定性。一些隐性缺陷如“又隐”或“无电区”难以通过普通目检发现，而“黑边”“黑点”则往往因人工主观判断差异导致误判、漏判频发。

方案概述

本项目基于仪酷智能AI工具包，搭建高精度太阳能电池片缺陷检测系统，核心模块包括：采用高清工业相机与均匀光源，配合图像增强算法，确保表面缺陷特征可视化;使用深度学习目标检测算法，对划痕、黑边、黑点、无电区、又隐等多类缺陷进行自动识别与分类输出;

方案价值

缺陷识别精度超98%，特别是在黑边、无电区、又隐等隐蔽区域具备出色检测能力;

节拍稳定性强，系统运行周期控制在<1.2秒/片，支持高速自动化产线对接;

多类型缺陷分类输出，支持对接MES系统，实现缺陷原因分类统计与追溯;

矿产行业--煤炭分拣 icon

客户需求

在煤炭开采与筛分过程中，常有废石杂质混入原煤。这些非燃性石块不仅降低煤炭燃烧效率，影响电厂和冶金企业使用性能，还显著增加后续的运输成本、碳排放与磨损消耗。传统的人工分拣方式依赖经验工人站在传送带旁反复观察和手动操作，劳动强度大、风险高、效率低。
尤其在露天矿、井下传输通道等复杂工况下，存在粉尘大、噪声高、光线不稳定等环境问题，导致人工分拣难以长期持续稳定运行。客户迫切需要引入一套具备复杂环境适应能力的AI视觉系统，替代人工判断，实现煤与石的自动识别与精准剔除。

方案概述

基于仪酷智能A!视觉工具包的目标检测功能，利用高精度相机采集图像，实时、快速且准确的找出混在煤炭中的石块，识别结果联动机械剔除装置或喷气阀，实现精准踢除石块，检测模块可部署在工业边缘设备上，支持无人值守、连续运行

方案价值

分拣速度可达250吨/小时，废石剔除率>98%，运输成本节省30%;识别准确率>99%，抗粉尘干扰;
替代人工高危分拣，减少80%人力投入，规避矽肺病风险，

工业安全--钢丝绳缺陷检测 icon

客户需求

钢丝绳作为矿井提升机、工程起重机、索道、电梯等复杂机械系统的重要承载部件，其健康状况直接关系到使用者的生命和财产安全。客户希望通过自动化检测手段，及时发现如断丝表面剥落、细丝毛刺、磨损等缺陷。但钢丝绳断丝、毛刺、剥落等缺陷往往尺寸极小（毫米级），缺陷发生是低概率事件，尤其是断丝、剥落等;各行业钢丝绳型号、规格、损伤模式不同，导致数据通用性弱。因此，对缺陷的精准检测成为了一项极具挑战性的任务。

方案概述

采用仪酷智能高精度小目标模型，兼容不同尺寸的的图片，准确检出缺陷详细信息;通过缺陷显示界面，准确提供缺陷位置和量化的特征信息（面积、大小等），辅助人工检测;使用瑕疵生成软件，有效弥补实际采集数据中缺陷样本不足的问题，从而显著提升AI模型的泛化能力与鲁棒性。

方案价值

实现对断丝、磨损、毛刺等关键缺陷的早期识别，防范因钢丝绳失效导致的重大安全事故;

夜间、恶劣环境下表现也很稳定。
模型支持不同规格钢丝绳、多种工况场景（如矿井、电梯、索道等）;

支持与自研图像生成平台配合，不断优化模型表现，适应更多工业场景。

经济效益分析

投资回报率（ROI）显著：以典型产线改造为例，系统部署成本回收周期短于6个月，后续每年持续产生300-500万元级降本收益，兼具短周期落地与长尾增效价值。

提高检测效率达80%以上

通过算法优化与硬件加速技术，整体检测耗时缩短80%以上，直接支撑产能扩张与订单交付能力升级。

缺陷漏检率降低至0.5%以下

漏检率稳定控制在0.5%以下（较行业平均2-3%降低60%-80%），结合系统自学习的误报抑制功能，规避品牌信誉风险（隐性质量成本下降约35%）。

综合人工检测成本降低60%以上

自动化检测替代传统人工目检，单线操作人员配置由8人减少至3人，结合设备7x24小时连续作业能力，年综合人工成本节省超60%。

产品推荐

润普内容管理平台

广州润普网络科技有限公司成立于2010年，是一家专注于ECM非结构化数据管理平台解决方案的国家高新技术企业和企业研发机构。总部位于广州天河区，在全国各地设有办事处及技术支持服务分部，现有员工100 多人，技术研发人员占60%。公司凭借雄厚的技术实力和业内良好的口碑，经过十多年的发展，目前已经成为国内在内容管理(CMS)和企业信息化领域最具实力的软件公司之一。至今已经服务10000+家企业和政府机构，获得金融、教育、医疗等50多个行业客户的一致认可。

免费试用

查看详情