为了契合日趋严苛的瑕疵检测需求，研发出基于深度学习的Proxima瑕疵检测软件系统，通过深度神经网络高效地对学习模型进行训练，不断完善机器学习成果的统计分析，精准高效解决产品表面瑕疵检测环节遇到的各种问题。
可检测的主要瑕疵类型：
| 划痕 | 刀痕 | 崩缺 | 气泡 | 凸起 | 凹痕 |
| 擦伤 | 杂质 | 变形 | 崩边 | 白点 | 条纹 |
| 黑点 | 皱缩 | 波纹 | 裂纹 |
产品特色：
1、学习速度——快
针对产品的某一类型的外观瑕疵，给系统输入 10 张或更多的瑕疵样本；系统通过深度学习 建立自己的 NG 数据库，从而形成针对该种类 瑕疵的神经网络；当被检测工件通过成像系统， 即可被智能识别、标记和分类。
2、识别判断——准
Proxima 瑕疵检测软件可有效的完成高干扰背 景下的缺陷识别和不规律的图像分析，达到人 眼辨别水准，并且多层神经网络层对学习模型 进行了有效训练，使得瑕疵检测率高于传统检 测方式
以 2D 玻璃、金属壳体瑕疵检测为例：
·训练数据：100 张不良，100 张合格品
·检测数据：1000 张
·缺陷识别率：大于 98%
·漏检率：小于 0.5%
3、检测效率——高
·使用独立 GPU 进行图片处理，可多 GUP 并 行，使得检测时间可低至毫秒级别。
·测量过程中获取的图像可以进一步的学习， 从而减少优化过程。
·配合自动化实现车间在线完成零件外观瑕疵 的 OK/NG 判断和分 BIN。
4、应用范围——广
智能瑕疵检测应用案例
智能瑕疵检测已被广泛的用于金属器械制造行 业、玻璃制造业、塑料生产行业、电子 & 通 讯行业、汽车行业、太阳能、PCB、薄膜、半 导体等行业……
5、操作难度——易
软件界面遵循微软办公标准设计，操作流程只需“标注，训练，检测”三步即可出结果，无需复杂培训就能上手。
典型案例
·电脑D面标签 | ·手机中框胶路 | ·手机背板外壳 | ·手机背板螺母位置度 |
·手机薄膜 | ·手机天线 | ·手机折叠保护壳 | ·头戴式耳机 |
·智能手表外壳 | ·SIM 卡支架 ( 金属件 ) | ·闪光灯 ( 塑料件 ) | ·镜头模组支架 ( 金属件 ) |
·充电器外壳 | ·充电头 ( 金属件 ) | ·无线充电器纳米晶 | ·汽车活塞 |
|
|
|
|
|
|
|
|
思瑞瑕疵检测方案，实现准确高效在线测量
通过专业智能检测项目团队，能为多行业客户提供定制化智能瑕疵检测方案。出色的硬件配置，配合Proxima产品外观质量智能检测系统，思瑞瑕疵方案实现高精度、高效率、高自动化在线测量。
