AOI行业痛点：
1.检测难度大：PCBA构造复杂、设计精细，瑕疵检测难度高，人工目检存在瓶颈，且人力成本逐年提高
2.编程耗时巨大：编程的质量是检测精准与否的关键，但传统方式完全依赖元器件库和行业经验
3.误报率居高不下：需要大量时间和人力复检判断，成为企业成本高的主导因素之一
相较于传统AOI运用于工业检测的数小时编程时间，迈思泰克科技“一键编程”优质算法，只需要不到一分钟的时间，即可快速编程并精准地进行缺陷检出。产品的四大亮点包括0漏报、误检率<0.1%、一毫秒算法推理以及模型自动升级，全面改善与提升了现有的工业检测环境，帮助企业节省时间与空间，避免造成资源浪费。
迈思泰克 AI AOI优势
1.领先的AI算法:业内领先的AI算法，可实现更低误报、更快识别，并对模型进行自动的训练提升
2.一键编程:一键编程技术，可将传统耗时数小时的编程工作缩短至数秒内完成
3.硬件适配提升精度:智能光源、远心镜头以及众多的硬件设计帮助缺陷检测更加精准，大大降低了误报发生
- 图像分割
图像分割是指将图像划分为包含相似属性的不同像素区域。为了对图像分析和解释，划分的区域应与对象特征密切相关。图像分析的成功取决于分割的可靠性，但是图像的正确分割通常是一个非常具有挑战性的问题。 - 图像中心距
图像中心距是图像像素强度的某个特定加权平均值。图像矩可用于描述分割后的对象。通过图像瞬间发现的图像简单属性包括：
面积（或总强度）
质心
有关其方向的信息
04. 数据
该数据集包含两个目录。原始图像存储在“图像”目录中，分割后的图像存储在“标签”目录中。让我们来看看这些数据：原始图像是RGB图像，用于训练模型和测试模型。这些图片的尺寸各不相同。直观地，较暗的部分是焊接缺陷。模型需要对这些图像执行图像分割。
来自“图像”的原始图像
“标签”目录的图像是二进制图像或地面真相标签。这是我们的模型必须针对给定的原始图像进行预测。在二进制图像中，像素具有“高”值或“低”值。白色区域或“高”值表示缺陷区域，而黑色区域或“低”值表示无缺陷。
来自“标签”的二进制图像
05. 算法
我们将使用U-Net来解决这个问题，通过以下三个主要步骤来检测缺陷及其严重性：
图像分割
使用颜色显示严重性
使用图像矩测量严重性
训练模型
评论