覆铜板缺陷分类器-产品介绍
适用于：Linux
商品简介：英斯派克针对覆铜板缺陷类型复杂，分类准确率低的问题，基于现场大数据量样本图片，设计深度学习分类模型，训练获得计算量小、准确率高的覆铜板缺陷分类模型。
商品亮点：适应性强，对输入图片的尺寸及明暗度无特殊要求。,准确率高，基于大样本统计准确率高于95%。
商品说明
| 版本: V1.0 | 交付方式: 镜像 |
| 适用于: Linux | 上架日期: 2021-01-15 08:02:38.0 |
覆铜板 制造业 投入大，产出高，设备控制先进，产品的表观检测是品质控制的最后一道工序。由于覆铜板面积大，生产速度快，表面缺陷特征小，人眼易疲劳，采用人工检测无法满足客户越来越高的品质要求。机器视觉 (AOI)已经在PCB制造中广泛应用，但PCB原料--覆铜板机器视觉(AOI)应用目前还处于探索阶段，包括引进的国外外观检测设备实际效果不如人意，外观智能检测成为覆铜板 智能制造 技术瓶颈，行业对高性能的检测设备充满着期待，机器视觉研发也在不断寻求新的 解决方案 。
本方案将缺陷分类功能 迁移 至云上，利用 云服务 便利的资源调配模式，方便快捷地实现缺陷分类。深度学习模型通过5555端口对外提供服务，客户将待分类缺陷图像数据发送至服务端，由深度学习模型判定缺陷类别后将类别及分类置信度一并返回给客户端。本模型经过英斯派克自有缺陷库训练，针对常见缺陷可准确分类，若您对训练数据有特殊需求，可以联系售前工程师设计专属方案。
