“思科智造 101” 愈演愈烈
今天即将登场的是二号选手：
基于图像的缺陷检测解决方案
选手已准备就绪
请欣赏TA的表演
大家好，我就是传说中能够提高产品质量的基于图像的缺陷检测解决方案！看我名字就知道，我的技能是检测钢板、金属、纸张、玻璃等工业产品的表面缺陷，比如刮伤、压伤、残边、孔洞、凹槽等，要问我拿什么本领“吸粉”？且听我慢慢道来——
颠覆传统，重新定义缺陷检测
在传统做法中，产品表面的缺陷检测主要依赖于人工和机器视觉检测！
整条生产线的工人睁大双眼 只为捕捉产品表面的细微缺陷，准确率和效率令人“捉急”！
在全数字化高速发展的今天，制造企业亟需一种高效又准确的表面缺陷检测解决方案！
所以，我来了！
基于深度学习的我融合了思科 IoT 技术和人工智能技术的表面缺陷检测系统，不仅可以在生产线实时在线检测，也可以离线检测，即时给你直观的检测结果！如何衡量我的准确度？有数据有真相——
举个例子来说：对于钢板缺陷 6 分类故障检测，传统模拟识别的错差率>30%，逃脱率>10%；而我能做到错差率<10%，逃脱率<5%！
出类拔萃，请为我打 Call
我之所以能够简单、快速、精确地测量各种不同大小尺寸的金属、纺织品等物体表面缺陷，是因为我采用了 Cisco Kinetic 等思科 IoT 技术，不仅能大幅提高检测效率，还能带来以下优势：
- 大幅缩短测量时间：视频检测优于 20fps，图片检测优于 0.5s/image；
- 避免人为误差，检测精度高：好坏准确率优于 85%，逃脱率优于 5%，平均缺陷种类判别准确率优于 90%；
- 测量数据应用简便
- 测量范围广
- 安装操作简单
- 对环境要求宽松
- 软硬兼施，实力超群
考虑到模块化易于部署与管理，我融合了不同的软件和硬件模块，它包括数据源、数据存储、数据可视化、应用和云几个部分：
在不同模块子系统的配合下，完成一次检测，我需要经历如下流程——
