随着人工智能在算力、算法、大数据等方面的技术突破，基于神经网络的深度学习算法在各行各业加速渗透。而制造业作为AI融合创新的主要场景之一，在机器视觉技术的加持下，持续赋能生产线的自动化、智能化升级，赋予工业生产“感知”能力，全面实现工业生产从“制造”到“智造”的发展。

目前，在全球机器视觉行业的快速发展下，AI技术、物联网技术已经成功在智能制造领域实现落地应用，通过能够完成多维感知、数据采集和处理、自我学习的创新机器视觉系统，实现工业领域的数智化生产。

人类在感知外界环境的过程中，80%以上的信息来自于视觉。在工业制造领域，机器视觉检测设备为生产线提供“眼睛”，实现对外界环境的观察、识别以及判断等功能。

深眸科技深耕机器视觉领域多年，坚持以“传统机器视觉+深度学习”技术为核心，建立以深度学习技术为主的差异化优势，致力于解决深度学习技术在工业界落地难的问题。

深眸科技积极寻找传统机器视觉与深度学习之间的权衡，将深度学习技术融合进机器视觉系统中，实现基于规则的机器视觉和基于深度学习的图像分析之间的互补，以工业环节的创新型机器视觉应用，实现制造业智慧生产。

深度学习助力缺陷检测应用

缺陷检测通常是对工业产品表面缺陷的检测，目前缺陷检测应用最多，且对外观有严格要求的产品包括金属、玻璃、电子元器件等。传统机器视觉系统面对复杂多变的缺陷类型，需要根据实际的场景搭建不同的算法模块，程序相对固定更改十分繁琐。

而机器视觉系统借助深度学习算法，在钣金件缺陷检测案例中，通过对缺陷图像的大量识别训练，能够更快的构建出算法模型；通过算法快速响应，能够做到从样品到批量成品的复制加工；还能统计分析对比不同批次的产品缺陷图片，当出现新的缺陷类型时，无需对具体规则进行人工编程和再次构建算法，便可以实现系统的自主升级。

深度学习助力字符识别应用

字符识别是借助基于神经网络的深度学习算法对已知类型的数字、字母类字符进行标记训练，在生产过程中可以识别画面中是否存在类似字符，并输出准确的结果，让机器在没有人的帮助下自己读懂字符概念。

在OCR错漏检测案例中，通过深度学习视觉平台，能够实现秒级切换不同产品型号生产，以高性能软件架构提升识别效率，以自研2000+AI算法，动态判断产品字符内容，采用并发与异步等方式提升单位时间处理次数。

深度学习助力目标定位应用

在没有固定定位特征的场景下、且目标位置随机变化时，传统机器视觉系统无法实现目标定位。在这种情况下，借助深度学习进行目标定位，可轻松锁定目标。

在化妆品分拣案例中，通过深度学习算法，能够持续不断优化抓取结果，自动识别海量混杂抓取方式，精准识别并分类化妆品，协同机械臂等外部执行机构，准确依靠输出定位信息实现目标产品抓取。

综上所述，融合深度学习算法的机器视觉系统在制造行业场景的应用，能够进一步促进相关生产线的高效运行。除此以外，深眸科技还积极研究3D视觉技术，攻克以2D视觉为主的传统机器视觉系统，在物体深度、体积、曲面度等信息无法采集的问题。

融合3D视觉的机器视觉系统不仅实现对有高度差混料和无序摆放的物体进行抓取，还能实现对2D视觉无法应用的空白领域的补充，以更加智能的态势定位引导和体积测量。目前，深眸科技创新机器视觉系统已经实现在3C电子、新能源、纺织、家电等领域的广泛应用。

机器视觉系统凭借着生产的柔性化、自动化以及高精度优势，在人工视觉难以满足的高精度需求或危险环境中广泛应用。AI机器视觉技术是制造业转型升级的中坚力量，而深眸科技也通过自研2000+AI行业算法，助推AI技术与生产制造业的智慧碰撞，让生产线更加智能。