機(jī)器視覺(jué)正成為推動(dòng)工業(yè)智造升級(jí)的核心技術(shù)力量。OPT通過(guò)持續(xù)創(chuàng)新，構(gòu)建了從底層算法、中層平臺(tái)到上層應(yīng)用的全棧式AI技術(shù)體系，為制造業(yè)提供智能視覺(jué)整體解決方案。

　　一、底層算法升級(jí)：性能優(yōu)化與實(shí)用性的深度融合

　　OPT AI在底層算法上持續(xù)突破，通過(guò)提升算法性能、降低數(shù)據(jù)依賴，增強(qiáng)算法可靠性等為基于AI的機(jī)器視覺(jué)規(guī)模化應(yīng)用提供堅(jiān)實(shí)支撐。

　　高效輕量AI模型，實(shí)現(xiàn)性能與效率平衡

　　依托OPT海量的工業(yè)數(shù)據(jù)和豐富的AI行業(yè)經(jīng)驗(yàn)，基于自監(jiān)督對(duì)比學(xué)習(xí)技術(shù)，訓(xùn)練專用的工業(yè)預(yù)訓(xùn)練模型，利用模型剪枝、知識(shí)蒸餾等輕量化技術(shù)，得到高精度輕量化預(yù)訓(xùn)練工業(yè)AI模型，實(shí)現(xiàn)性能和效率的平衡。

　　以語(yǔ)義分割任務(wù)為例，在低配CPU（i5-2400）條件下，分割結(jié)果相當(dāng)時(shí)，百萬(wàn)像素圖像的推理時(shí)間縮短至20毫秒，較上一代輕量化模型提速60%，相較于常規(guī)輕量化分割網(wǎng)絡(luò)提速100%，大幅降低了對(duì)計(jì)算資源的依賴，確保AI模型在低算力及邊緣設(shè)備下也能高效運(yùn)行，從而賦能老舊設(shè)備升級(jí)、云邊協(xié)同分析等更廣泛的工業(yè)場(chǎng)景。另外，基于千萬(wàn)級(jí)工業(yè)數(shù)據(jù)開(kāi)發(fā)的視覺(jué)大模型，能在零樣本條件下實(shí)現(xiàn)精準(zhǔn)匹配與定位，在GPU 4080Ti下，大模型的推理速度達(dá)60FPS。

　　高可信度檢測(cè)算法，確保結(jié)果穩(wěn)定可靠

　　在工業(yè)視覺(jué)檢測(cè)中，AI模型的可靠性和穩(wěn)定性是更高級(jí)別的需求。OPT 自研高可信檢測(cè)技術(shù)，能夠有效提升AI檢測(cè)結(jié)果的可信度與一致性，確保檢測(cè)精準(zhǔn)穩(wěn)定。一方面，研發(fā)置信度度量和訓(xùn)練策略，提升檢測(cè)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果置信度的可信度；另一方面，研發(fā)關(guān)鍵目標(biāo)推理結(jié)果一致性度量方法，保證關(guān)鍵目標(biāo)不僅能檢出，而且檢得準(zhǔn)，檢得對(duì)。應(yīng)用于鋰電焊接工藝與鋼材缺陷檢測(cè)中，常用mAP指標(biāo)提升了2.6%，漏檢與誤檢率顯著降低。

　　鋰電數(shù)焊接和涂布工藝缺陷檢測(cè)結(jié)果

　　小樣本學(xué)習(xí)+數(shù)據(jù)生成技術(shù)，降低數(shù)據(jù)依賴

　　高質(zhì)量數(shù)據(jù)對(duì)AI模型的魯棒性與泛化性至關(guān)重要，但在工業(yè)場(chǎng)景中，數(shù)據(jù)稀缺常常限制了AI模型的落地應(yīng)用，OPT 的小樣本學(xué)習(xí)從算法和數(shù)據(jù)兩個(gè)層面降低數(shù)據(jù)依賴。

　　算法層面：基于海量工業(yè)數(shù)據(jù)，結(jié)合遷移學(xué)習(xí)與元學(xué)習(xí)策略，預(yù)訓(xùn)練基座模型對(duì)標(biāo)注數(shù)據(jù)的依賴量降低30%。

　　數(shù)據(jù)層面：開(kāi)發(fā)半自動(dòng)化數(shù)據(jù)生成技術(shù)，利用常規(guī)圖像擴(kuò)增、生成對(duì)抗網(wǎng)絡(luò)與擴(kuò)散模型等技術(shù)手段，能在零樣本條件下實(shí)現(xiàn)關(guān)鍵目標(biāo)的精準(zhǔn)編輯與高質(zhì)量圖像生成。例如，在手機(jī)中框小孔缺陷檢測(cè)中，模型可生成包含特定缺陷的高質(zhì)量缺陷圖像，彌補(bǔ)真實(shí)數(shù)據(jù)的不足。

　　手機(jī)中框小孔缺陷編輯、擦除生成效果

　　二、中間層產(chǎn)品迭代：從AI軟件到生態(tài)平臺(tái)的智能化轉(zhuǎn)型

　　OPT持續(xù)優(yōu)化、迭代產(chǎn)品，通過(guò)提升穩(wěn)定性、擴(kuò)展功能與改善用戶體驗(yàn)，逐步構(gòu)建了一個(gè)高效的視覺(jué)生態(tài)平臺(tái)，降低AI項(xiàng)目實(shí)施門(mén)檻，提高項(xiàng)目開(kāi)發(fā)效率。

　　DeepVision3軟件全面升級(jí) 

　　DeepVision3軟件作為OPT的核心AI工具，相較于上一代，已在穩(wěn)定性、易用性與功能性上實(shí)現(xiàn)顯著提升。以交互式分割標(biāo)注功能為例，基于海量工業(yè)數(shù)據(jù)對(duì)分割大模型的訓(xùn)練以及智能交互策略的優(yōu)化，3-clip指標(biāo)下mIoU提升10%。

　　此外，DeepVision3軟件從僅支持單一2D圖像擴(kuò)展至2D、3D點(diǎn)云、偏振、紅外等多模態(tài)數(shù)據(jù)，滿足多樣化的工業(yè)視覺(jué)分析需求，助力DeepVision 3從單一的AI工具逐步演變?yōu)榫C合視覺(jué)平臺(tái)。

　　DeepVision3核心功能

　　Web版AI平臺(tái)提升項(xiàng)目協(xié)作與模型部署效率

　　OPT 推出Web版AI平臺(tái)，通過(guò)云端協(xié)同設(shè)計(jì)，實(shí)現(xiàn)多人多任務(wù)的高效協(xié)作，用戶無(wú)需復(fù)雜環(huán)境配置即可快速啟動(dòng)AI項(xiàng)目，實(shí)施效率顯著提高。例如，在新能源檢測(cè)中，團(tuán)隊(duì)可通過(guò)平臺(tái)共享模型與數(shù)據(jù)，項(xiàng)目實(shí)施效率提升50%以上。

　　Web版AI平臺(tái)與DeepVision3 AI軟件和Smart3視覺(jué)軟件無(wú)縫銜接，通過(guò)云端協(xié)同進(jìn)一步加速項(xiàng)目開(kāi)發(fā)，尤其是大規(guī)模生產(chǎn)制造場(chǎng)景下的AI 模型開(kāi)發(fā)及機(jī)臺(tái)復(fù)制。基于此，單機(jī)節(jié)點(diǎn)可利用有限算力實(shí)現(xiàn)分批次快速數(shù)據(jù)標(biāo)注，然后以數(shù)據(jù)共享的方式融合標(biāo)注結(jié)果，依托中央節(jié)點(diǎn)高算力服務(wù)器進(jìn)行模型快速訓(xùn)練和驗(yàn)證，最后把訓(xùn)練完成后的模型一鍵下發(fā)到數(shù)百個(gè)檢測(cè)機(jī)臺(tái)。

　　端云協(xié)同的智能工廠模式

　　三、上層行業(yè)應(yīng)用：深耕垂直場(chǎng)景的深度賦能

　　OPT的AI產(chǎn)品與解決方案已深度應(yīng)用于新能源、3C電子、半導(dǎo)體等高端制造領(lǐng)域，2024年實(shí)施規(guī)模以上項(xiàng)目數(shù)百個(gè)，檢測(cè)產(chǎn)品數(shù)十億件。

　　鋰電行業(yè) 

　　OPT推出行業(yè)通用AI模型，實(shí)現(xiàn)對(duì)鋰電卷繞、切疊等主流工藝關(guān)鍵工序的高速自適應(yīng)通用檢測(cè)。面向鋰電前道工序（涂布、分條、模切等），OPT提供開(kāi)箱即用的高速高精度工業(yè)視覺(jué)方案；針對(duì)形態(tài)多樣的中后道工序（焊接、包裝、入殼）等，OPT研發(fā)自適應(yīng)遷移學(xué)習(xí)技術(shù)，助力產(chǎn)線換型時(shí)AI 項(xiàng)目實(shí)施周期縮短40%。

　　面向新能源的行業(yè)通用解決方案

　　3C電子行業(yè) 

　　OPT 研發(fā)高精度、高可信的AI 解決方案，覆蓋手機(jī)制造中屏幕、組裝、電子回收等廣泛工藝流程，在側(cè)壁小孔、通孔的刀紋、未見(jiàn)光、劃傷以及音圈馬達(dá)表面壓傷等缺陷檢測(cè)中，精準(zhǔn)率遠(yuǎn)超行業(yè)標(biāo)準(zhǔn)。在手機(jī)、耳機(jī)的膠路復(fù)檢項(xiàng)目中，借助于高質(zhì)量圖像生成技術(shù)，僅需15張圖像即可生成大批高質(zhì)量的缺陷圖像數(shù)據(jù)，生成精度控制到3 pixel， 誤檢率控制到0.1% 以下。

　　 半導(dǎo)體行業(yè)  

　　面向12英寸晶圓，可實(shí)現(xiàn)精準(zhǔn)快速的AOI檢測(cè)與計(jì)數(shù)，檢測(cè)項(xiàng)覆蓋了臟污、刮傷等16項(xiàng)缺陷類型，檢測(cè)精度達(dá)毫米級(jí)。對(duì)多達(dá)60萬(wàn)顆晶粒進(jìn)行精準(zhǔn)計(jì)數(shù)和分類可視化，整體視覺(jué)處理時(shí)間低于30秒，漏檢率為0.1%、誤檢率為2%。

　　OPT AI技術(shù)還應(yīng)用到物流、交通、醫(yī)療等多個(gè)領(lǐng)域，例如，在物流行業(yè)，助力分揀系統(tǒng)實(shí)現(xiàn)每小時(shí)1518件包裹的精準(zhǔn)檢測(cè)，抓取成功率100%，上雙率低至0.01%。

　　四、未來(lái)發(fā)展：技術(shù)深化與場(chǎng)景拓展

　　未來(lái)，OPT將聚焦于打造輕量化、高精度和一站式技術(shù)解決方案，進(jìn)一步提升技術(shù)實(shí)用性與產(chǎn)業(yè)覆蓋面。

　　打造更輕量化的視覺(jué)方案

　　采用模塊化配置實(shí)現(xiàn)檢測(cè)、分類、匹配、定位與邊緣檢測(cè)等功能，廣泛適用于組裝環(huán)節(jié)的智能定位引導(dǎo)和視覺(jué)檢測(cè)，實(shí)現(xiàn)低成本、高效率的AI項(xiàng)目實(shí)施。

　　研發(fā)高精度輕量化工業(yè)大模型

　　基于海量工業(yè)場(chǎng)景數(shù)據(jù)和充足算力資源，打造具備精準(zhǔn)匹配、跟蹤、計(jì)數(shù)與檢測(cè)等能力的通用行業(yè)大模型，模型通過(guò)優(yōu)化架構(gòu)與推理策略，將在復(fù)雜工業(yè)場(chǎng)景中實(shí)現(xiàn)更高的檢測(cè)精度與更廣的泛化性。例如，在半導(dǎo)體晶圓檢測(cè)、3C電子關(guān)鍵目標(biāo)檢測(cè)中，模型能夠進(jìn)一步提升對(duì)微小缺陷的檢測(cè)能力以及在小樣本，甚至零樣本條件下的泛化性和通用性。

　　工業(yè)視覺(jué)大模型

　　提供一站式AI解決方案 

　　OPT將發(fā)布高質(zhì)量工業(yè)AI生成平臺(tái)，支持圖像擦除、編輯、缺陷遷移與高質(zhì)量圖像生成，通過(guò)生成技術(shù)模擬真實(shí)場(chǎng)景數(shù)據(jù)，進(jìn)一步降低對(duì)工業(yè)高質(zhì)量訓(xùn)練數(shù)據(jù)的依賴。在此基礎(chǔ)上，打造一站式智能解決方案平臺(tái)，覆蓋數(shù)據(jù)挖掘、知識(shí)梳理、高質(zhì)量數(shù)據(jù)生成、半自動(dòng)標(biāo)注、用戶確認(rèn)、一鍵模型訓(xùn)練、模型調(diào)配與批量部署的全流程。用戶可根據(jù)需求定制方案，例如，應(yīng)用在新能源檢測(cè)中，從數(shù)據(jù)準(zhǔn)備到模型上線僅需數(shù)小時(shí)。

　　更高效智能的AI 實(shí)施流程

　　OPT 持續(xù)優(yōu)化底層AI算法，研發(fā)高效的語(yǔ)義分割、高可信檢測(cè)、小樣本學(xué)習(xí)與數(shù)據(jù)生成技術(shù)，推進(jìn)DeepVision 3與Web平臺(tái)的智能化升級(jí)，在新能源、3C電子、半導(dǎo)體等行業(yè)實(shí)現(xiàn)了精準(zhǔn)賦能。展望未來(lái)，OPT將進(jìn)一步打磨AI 軟件和平臺(tái)，打造開(kāi)放的技術(shù)生態(tài)，為行業(yè)釋放更大的AI 能力，賦能更多企業(yè)實(shí)現(xiàn)智造升級(jí)。