面向工业场景的低代码AI模型训练系统，集成图像采集、智能检测、数据标注、模型训练四大模块。支持实时视频流检测，字符识别率≥99.5%，单张检测耗时小于2秒，检测记录可留存6个月，兼容PLC、OPC UA、MES系统对接。适用于制造业质检、字符识别、包装核验等产线场景，无需大量编码即可快速落地。
Tags:
https://www.gitcc.com/junweida/gongye-ai-pro
低代码AI模型训练系统，包含图像采集、智能检测、数据标注、模型训练四大模块
一、产品核心概述
这是一款面向机器视觉场景、基于深度学习打造的低代码AI模型训练系统，整体覆盖图像采集、智能检测、数据标注、模型训练四大核心业务流程，大幅降低计算机视觉类AI模型的落地门槛，无需大量定制化编码即可快速完成从数据处理到模型上线的全链路工作。
二、核心功能介绍
实时视频流预览与检测：支持直接接入视频流，在界面端实时同步画面并完成AI识别检测，可直观呈现检测过程与即时结果。 检测结果瀑布流展示：以瀑布流的形式排布所有检测结果，方便用户批量浏览、快速比对不同样本的识别情况。 质量统计看板：搭载可视化看板，直观展示各类检测维度的质量数据，帮助用户快速把握整体识别效果与异常分布。 历史记录查询与管理：支持回溯全量历史检测记录，可按条件筛选、检索对应条目，完成检测数据的统一运维管理。 标注数据管理与样本库版本控制：实现标注数据的分类归档，同时支持样本库的多版本迭代管理，避免标注样本混乱丢失，方便回溯不同阶段的数据集状态。 模型训练与性能监控：提供低代码化的模型训练操作入口，训练过程中可实时查看性能指标、运行状态，及时调整训练参数。
三、典型落地场景
这套系统主打适配工业计算机视觉类落地场景，可广泛用于工业质检、生产过程视觉检测、产线数据自动采集等环节：
制造业零部件外观缺陷检测：依托高识别准确率快速筛查工件瑕疵，适配产线实时检测需求。 工业场景字符、条码自动识别：依托≥99.5%的字符识别率，完成产线物料编号、产品溯源码的自动读取录入。 产线全链路检测数据追溯：满足工业场景对检测记录的留存要求，为生产质控溯源提供完整数据支撑。 智能产线多系统协同检测：可快速对接现有产线的PLC、MES系统，打通视觉检测设备和工业管控系统的数据通路。
四、项目核心特点
低使用门槛：以低代码模式封装全流程操作，技术人员无需从零搭建整套训练链路，快速完成计算机视觉模型的迭代落地。 高实时性：单张图像的检测耗时小于2秒，完全适配工业产线的高速流转检测需求，不会拖慢产线运行节奏。 高准确性：字符识别率≥99.5%，保障工业场景下的高识别精度，减少误检、漏检带来的生产损耗。 全链路可追溯：所有检测记录可稳定存储6个月，满足工业质控环节的溯源、审计需求。 工业级适配：UI完全符合工业软件设计规范，适配工厂复杂作业环境下的操作习惯，显示效果、交互逻辑贴合工业使用场景。 强设备兼容能力：原生支持PLC、OPC UA、MES系统对接，可以无缝接入现有工业产线体系，不需要对原有产线做大规模改造即可落地视觉检测能力。
五、技术架构说明
整套技术栈围绕工业级计算机视觉场景做针对性适配：
前端层：采用Vue 3 + Vite + Quasar组合搭建，兼顾界面性能与工业端跨设备适配能力。 可视化层：搭载ECharts工业大屏版，适配工业看板的大尺寸、高清晰数据展示需求，可直接对接产线中控大屏。 图像处理层：集成OpenCV，完成图像预处理、特征提取等基础视觉操作，为上层AI识别提供可靠的图像输入。 深度学习层：兼容TensorFlow、PyTorch、ONNX三大主流框架，支持不同训练习惯下的模型开发、转换与部署。 数据存储层：采用IndexedDB完成本地数据存储，保障断网等异常场景下的检测数据不丢失。 设备通信层：依托WebSocket完成低延迟实时数据传输，同时通过OPC UA协议实现和工业级设备的标准通信，打通全链路数据交互
聚焦工业生产场景，可覆盖多个细分领域的实际业务需求：
1. 工业零部件外观缺陷检测
在精密五金、电子元器件的生产环节，这套系统可直接接入产线的工业相机视频流，实时完成工件表面划痕、缺料、变形等缺陷的识别筛查。依托单张检测小于2秒的实时性表现，完全适配高速流转的自动化产线节奏，同时所有检测记录可留存6个月，方便后续回溯某批次产品的质检全量数据，对接产线PLC设备还可以直接联动缺陷分拣机构，自动将不合格工件剔除产线。
2. 产线工业字符/溯源码识别读取
面向制造企业的物料管理场景，依托≥99.5%的高字符识别率，可精准读取工件表面的激光打码、产品铭牌编号、包装外箱的溯源二维码/条码，自动将识别结果同步对接MES生产管理系统，替代过去人工录入编号的操作，避免人工输入的错漏，同时完成全生命周期的产品溯源数据归档。
3. 包装印刷品质在线核验
在食品、日化产品的包装产线上，系统可实时采集包装面的印刷画面，自动识别印刷错位、图案缺印、文字模糊、配色偏差等印刷瑕疵，还能同步校验包装上的生产日期、合规标识是否印刷准确，检测结果自动生成质量统计看板，帮助运维人员快速定位某一时间段内的印刷问题集中区间，及时调整印刷设备参数。
4. 半导体晶圆引脚对齐度检测
在半导体封装环节，用于检测晶圆引脚的偏移、弯针等异常状态，系统的低代码特性支持企业快速上传标注好的引脚样本，迭代适配不同型号晶圆的检测模型，无需从零开发整套视觉方案，快速完成产线的检测能力落地，满足半导体生产环节的高精度质检需求。
5. 物流箱体面单信息自动采集
在仓储物流的分拣环节，通过接入快递面单的拍摄画面，自动识别面单上的收件地址、运单编号等关键信息，生成结构化数据同步至物流管理系统，替代人工扫码录入的操作，大幅提升仓储分拣环节的流转效率，同时全量检测记录的留存也可解决后续物流运单信息溯源的问题
https://www.gitcc.com/junweida/gongye-ai-pro
低代码AI模型训练系统，包含图像采集、智能检测、数据标注、模型训练四大模块
没有评论:
发表评论