Galileo系列AI视觉软件方案

Galileo系列软件


基于快速深度学习技术在工业视觉与工业瑕疵检测方面的应用场景,我们推出了“Galileo”系列软件产品。该系列产品将“AI深度学习算法、模型训练、模型测试、在线检测分析、数据分析报表、缺陷自动生成、云深度学习服务、AI定制化算法”等一站式实现。可根据客户实际使用场景的不同需求,选择使用不同功能模块与不同产品。

深度工业视觉识别系统

工业视觉识别云平台

在线检测系统

缺陷样本管理系统

系列软件检测流程
系列软件介绍

深度工业视觉识别系统:Galileo-X

核心功能:建模、标注、训练、验证、检测、反馈、追加训练、报表

GalileoX是深视创新中美两地团队自主研发,完全独立知识产权,基于“快速深度学习”技术的工业视觉识别系统,在工业视觉识别中利用深度学习技术的检测、分类、定位、OCR的场景需求一站式完全解决,并大大降低算法后期的维护难度与成本。




缺陷检测物体分类定位识别OCR字符识别

在线检测系统:Galileo-T

核心功能:数据统计、回查、分析、报表、辅助决策/标注过杀,漏检/反馈训练

在线检测:专为产线上实时操作检测作业而设计的产品,服务于工业检测设备前端,直接面向设备操作者,为产线检测工作提供极大便利。

功能与拓展性:检测模块、缺陷再过滤模块、数据样本反馈模块融合,能与Galileo-X或同类平台对接,以及市面上所有的运控系统、工控系统、设备完美对接。

自由定制:根据不同产品制定独立的检测标准,检测方法和形式更加灵活。

产线检测数据分析自由搭建无限兼容

大数据算法无缝匹配
多种样本生成方案
多平台无缝对接

缺陷样本管理系统:Galileo-D

核心功能:缺陷库分类、生成缺陷、生成新样本、数据调用、训练、测试

专为辅助样本集采集与缺陷标注而设计,减少80%以上的人工操作,降低90%的样本采集时间,真正意义上实现了“无样本训练模型” 。







海量样本无缝匹配自由调用

产品优势
  • 产品化 门槛低

    专为本土生产企业打造,极为简单的产线工人维护界面

  • 超高效率

    建模、标注速度快,节省80%的时间;定制化大幅提升检测速度

  • 高速神经网络

    自研核心技术,对神经网络深度优化,大幅降低复杂度,模型加速超30~50倍

  • 高准确率

    通过追加与反馈训练,检测准确率接近100%

  • 全流程检测

    构建四项全流程检测体系,工业应用更加广泛

  • 支持复杂图像

    模拟人脑识别,实现高复杂度背景下的灵敏检测,超越现有的传统图像分析、检测技术

  • 跨平台兼容性

    深度学习的全新框架,可以对接、移植到任何软件、硬件平台

  • 可视化报告

    支持输出自定义、可视化测试与检测报告

  • 超20亿样本库

    超过20亿以上的工业生产瑕疵样本库

  • 灵活设定标准

    根据生产需求,调整正负样本,进行优化训练,灵活应对各种检测标准

  • 联机质检

    多设备联机质检大数据分析,为工业生产提供可靠决策辅助

  • MES系统

    对接MES系统

部分应用案例

2.5D / 3D手机玻璃

表面瑕疵检测

识别速度:≤ 2.3s/pc

检测结果:漏检 ≤ 2.5% | 过杀 ≤ 10%

缺陷类型:脏污、毛发、尘点、划伤、崩边、凹凸点、深划......

缺陷类型:深划
  • 原图

  • 检测结果

金属化陶瓷

表面瑕疵检测

识别速度:≤ 100ms/pc

检测结果:漏检 ≤ 0.3% | 过杀 ≤ 1%

缺陷类型:划伤、崩边、脏污、开裂、划痕、缺失......

缺陷类型:划痕
  • 原图

  • 检测结果

金属零件

表面瑕疵检测

识别速度:≤ 500ms/pc

检测结果:漏检 ≤ 0.1% | 过杀 ≤ 5%

缺陷类型:脏污、亮印、划伤、点伤、模印、刀纹、缺口......

缺陷类型:毛刺、划伤
  • 原图

  • 检测结果

工业字符识别

表面瑕疵检测

识别速度:≤ 120ms/pc

检测结果:准确率 ≥ 99.99%

识别类型:大写字母
  • 原图

  • 检测结果

电子元器件

表面瑕疵检测

识别速度:≤ 2ms/pc

检测结果:漏检 ≤ 0.01% | 过杀 ≤ 1%

缺陷类型:漏磁、气泡、端头开裂、变形、黑片、龟裂、月牙、沙眼、压痕......

缺陷类型:端头不良
  • 原图

  • 检测结果

软包动力电池

表面瑕疵检测

识别速度:≤ 5s/pc

检测结果:漏检 ≤ 0.1%(严重缺陷0漏检) | 过杀 ≤ 5%

缺陷类型:极片翻折、破损漏夜、封边异物、凸点、针孔......

缺陷类型:封边异物
  • 原图

  • 检测结果