一、底層算法升級(jí)，性能優(yōu)化與實(shí)用性的深 度融合

　　OPT AI 在底層算法上持續(xù)突破，通過提升算法性能、降 低數(shù)據(jù)依賴，增強(qiáng)算法可靠性等為基于 AI 的機(jī)器視覺規(guī)?；?應(yīng)用提供堅(jiān)實(shí)支撐。

　　1、高效輕量 AI 模型，實(shí)現(xiàn)性能與效率平衡

　　依托 OPT 海量的工業(yè)數(shù)據(jù)和豐富的 AI 行業(yè)經(jīng)驗(yàn)，基于自 監(jiān)督對(duì)比學(xué)習(xí)技術(shù)， 訓(xùn)練專用的工業(yè)預(yù)訓(xùn)練模型， 利用模型剪 枝、知識(shí)蒸餾等輕量化技術(shù)，得到高精度輕量化預(yù)訓(xùn)練工業(yè) AI 模型，實(shí)現(xiàn)性能和效率的平衡。

　　以語義分割任務(wù)為例，在低配 CPU(i5-2400)條件下， 分割結(jié)果相當(dāng)時(shí)，百萬像素圖像的推理時(shí)間縮短至 20 毫秒， 較上一代輕量化模型提速 60%，相較于常規(guī)輕量化分割網(wǎng)絡(luò) 提速 100%，大幅降低了對(duì)計(jì)算資源的依賴，確保 AI 模型在 低算力及邊緣設(shè)備下也能高效運(yùn)行， 從而賦能老舊設(shè)備升級(jí)、 云邊協(xié)同分析等更廣泛的工業(yè)場景。另外， 基于千萬級(jí)工業(yè)數(shù) 據(jù)開發(fā)的視覺大模型，能在零樣本條件下實(shí)現(xiàn)精準(zhǔn)匹配與定位， 在 GPU 4080Ti 下，大模型的推理速度達(dá) 60FPS。

　　2、高可信度檢測算法，確保結(jié)果穩(wěn)定可靠

　　在工業(yè)視覺檢測中，AI 模型的可靠性和穩(wěn)定性是更高級(jí) 別的需求。OPT 自研高可信檢測技術(shù)，能夠有效提升 AI 檢測 結(jié)果的可信度與一致性，確保檢測精準(zhǔn)穩(wěn)定。 一方面，研發(fā)置 信度度量和訓(xùn)練策略，提升檢測網(wǎng)絡(luò)預(yù)測結(jié)果置信度的可信度; 另一方面，研發(fā)關(guān)鍵目標(biāo)推理結(jié)果一致性度量方法， 保證關(guān)鍵 目標(biāo)不僅能檢出， 而且檢得準(zhǔn)，檢得對(duì)。應(yīng)用于鋰電焊接工藝 與鋼材缺陷檢測中， 常用 mAP 指標(biāo)提升了 2.6%，漏檢與誤 檢率顯著降低。

鋰電數(shù)焊接和涂布工藝缺陷檢測結(jié)果

　　3、小樣本學(xué)習(xí) + 數(shù)據(jù)生成技術(shù)，降低數(shù)據(jù)依賴

　　高質(zhì)量數(shù)據(jù)對(duì) AI 模型的魯棒性與泛化性至關(guān)重要，但在 工業(yè)場景中，數(shù)據(jù)稀缺常常限制了 AI 模型的落地應(yīng)用，OPT 的小樣本學(xué)習(xí)從算法和數(shù)據(jù)兩個(gè)層面降低數(shù)據(jù)依賴。

　　算法層面：基于海量工業(yè)數(shù)據(jù)，結(jié)合遷移學(xué)習(xí)與元學(xué)習(xí) 策略，預(yù)訓(xùn)練基座模型對(duì)標(biāo)注數(shù)據(jù)的依賴量降低 30%。

　　數(shù)據(jù)層面：開發(fā)半自動(dòng)化數(shù)據(jù)生成技術(shù)，利用常規(guī)圖像 擴(kuò)增、生成對(duì)抗網(wǎng)絡(luò)與擴(kuò)散模型等技術(shù)手段， 能在零樣本條件 下實(shí)現(xiàn)關(guān)鍵目標(biāo)的精準(zhǔn)編輯與高質(zhì)量圖像生成。例如， 在手機(jī) 中框小孔缺陷檢測中， 模型可生成包含特定缺陷的高質(zhì)量缺陷 圖像，彌補(bǔ)真實(shí)數(shù)據(jù)的不足。

手機(jī)中框小孔缺陷編輯、擦除生成效果

　　二、中間層產(chǎn)品迭代，從 AI 軟件到生態(tài)平 臺(tái)的智能化轉(zhuǎn)型

　　OPT 持續(xù)優(yōu)化、迭代產(chǎn)品，通過提升穩(wěn)定性、擴(kuò)展功能 與改善用戶體驗(yàn)， 逐步構(gòu)建了一個(gè)高效的視覺生態(tài)平臺(tái)， 降低 AI 項(xiàng)目實(shí)施門檻，提高項(xiàng)目開發(fā)效率。

　　1、DeepVision3 軟件全面升級(jí)

　　DeepVision3 軟件作為 OPT 的核心 AI 工具， 相較于上 一代， 已在穩(wěn)定性、易用性與功能性上實(shí)現(xiàn)顯著提升。以交互 式分割標(biāo)注功能為例， 基于海量工業(yè)數(shù)據(jù)對(duì)分割大模型的訓(xùn)練 以及智能交互策略的優(yōu)化，3-clip 指標(biāo)下 mIoU 提升 10%。

　　此外，DeepVision3 軟件從僅支持單 一 2D 圖像擴(kuò)展至 2D、3D 點(diǎn)云、偏振、紅外等多模態(tài)數(shù)據(jù)，滿足多樣化的工業(yè) 視覺分析需求，助力 DeepVision 3 從單一的 AI 工具逐步演 變?yōu)榫C合視覺平臺(tái)。

DeepVision3 核心功能

端云協(xié)同的智能工廠模式

　　2、Web 版 AI 平臺(tái)提升項(xiàng)目協(xié)作與模型部署效率

　　OPT 推出 Web 版 AI 平臺(tái)，通過云端協(xié)同設(shè)計(jì)，實(shí)現(xiàn)多 人多任務(wù)的高效協(xié)作，用戶無需復(fù)雜環(huán)境配置即可快速啟動(dòng) AI 項(xiàng)目，實(shí)施效率顯著提高。例如，在新能源檢測中，團(tuán)隊(duì) 可通過平臺(tái)共享模型與數(shù)據(jù)，項(xiàng)目實(shí)施效率提升 50% 以上。

　　Web 版 AI 平臺(tái)與 DeepVision3 AI 軟件和 Smart3 視覺 軟件無縫銜接， 通過云端協(xié)同進(jìn)一步加速項(xiàng)目開發(fā)， 尤其是大 規(guī)模生產(chǎn)制造場景下的 AI 模型開發(fā)及機(jī)臺(tái)復(fù)制?；诖?，單 機(jī)節(jié)點(diǎn)可利用有限算力實(shí)現(xiàn)分批次快速數(shù)據(jù)標(biāo)注， 然后以數(shù)據(jù) 共享的方式融合標(biāo)注結(jié)果， 依托中央節(jié)點(diǎn)高算力服務(wù)器進(jìn)行模 型快速訓(xùn)練和驗(yàn)證， 最后把訓(xùn)練完成后的模型一鍵下發(fā)到數(shù)百 個(gè)檢測機(jī)臺(tái)。

　　三、上層行業(yè)應(yīng)用，深耕垂直場景的精準(zhǔn)賦能

　　OPT 的 AI 產(chǎn)品與解決方案已深度應(yīng)用于新能源、3C 電子、 半導(dǎo)體等高端制造領(lǐng)域，2024 年實(shí)施規(guī)模以上項(xiàng)目數(shù)百個(gè)， 檢測產(chǎn)品數(shù)十億件。

　　1、鋰電行業(yè)

　　OPT 推出行業(yè)通用 AI 模型，實(shí)現(xiàn)對(duì)鋰電卷繞、切疊等主 流工藝關(guān)鍵工序的高速自適應(yīng)通用檢測。面向鋰電前道工序(涂 布、分條、模切等) ，OPT 提供開箱即用的高速高精度工業(yè) 視覺方案;針對(duì)形態(tài)多樣的中后道工序(焊接、包裝、入殼) 等，OPT 研發(fā)自適應(yīng)遷移學(xué)習(xí)技術(shù)，助力產(chǎn)線換型時(shí) AI 項(xiàng)目 實(shí)施周期縮短 40%。

　　2、3C 電子行業(yè)

　　OPT 研發(fā)高精度、高可信的 AI 解決方案，覆蓋手機(jī)制造 中屏幕、組裝、電子回收等廣泛工藝流程， 在側(cè)壁小孔、通孔 的刀紋、未見光、劃傷以及音圈馬達(dá)表面壓傷等缺陷檢測中， 精準(zhǔn)率遠(yuǎn)超行業(yè)標(biāo)準(zhǔn)。在手機(jī)、耳機(jī)的膠路復(fù)檢項(xiàng)目中， 借助

面向新能源的行業(yè)通用解決方案

　　于高質(zhì)量圖像生成技術(shù)，僅需 15 張圖像即可生成大批高質(zhì)量 的缺陷圖像數(shù)據(jù)，生成精度控制到 3 pixel，誤檢率控制到 0.1% 以下。

　　3、半導(dǎo)體行業(yè)

　　面向 12 英寸晶圓， 可實(shí)現(xiàn)精準(zhǔn)快速的 AOI 檢測與計(jì)數(shù)， 檢測項(xiàng)覆蓋了臟污、刮傷等 16 項(xiàng)缺陷類型，檢測精度達(dá)毫米級(jí)。 對(duì)多達(dá) 60 萬顆晶粒進(jìn)行精準(zhǔn)計(jì)數(shù)和分類可視化，整體視覺處 理時(shí)間低于 30 秒，漏檢率為 0.1%、誤檢率為 2%。

　　OPT AI 技術(shù)還應(yīng)用到物流、交通、醫(yī)療等多個(gè)領(lǐng)域， 例如， 在物流行業(yè)，助力分揀系統(tǒng)實(shí)現(xiàn)每小時(shí) 1518 件包裹的精準(zhǔn)檢 測，抓取成功率 100%，上雙率低至 0.01%。

　　四、未來發(fā)展，技術(shù)深化與場景拓展

　　未來，OPT 將聚焦于打造輕量化、高精度和一站式技術(shù) 解決方案，進(jìn)一步提升技術(shù)實(shí)用性與產(chǎn)業(yè)覆蓋面。

　　1、打造更輕量化的視覺方案

　　采用模塊化配置實(shí)現(xiàn)檢測、分類、匹配、定位與邊緣檢 測等功能，廣泛適用于組裝環(huán)節(jié)的智能定位引導(dǎo)和視覺檢測， 實(shí)現(xiàn)低成本、高效率的 AI 項(xiàng)目實(shí)施。

　　2、研發(fā)高精度輕量化工業(yè)大模型

　　基于海量工業(yè)場景數(shù)據(jù)和充足算力資源，打造具備精準(zhǔn) 匹配、跟蹤、計(jì)數(shù)與檢測等能力的通用行業(yè)大模型， 模型通過 優(yōu)化架構(gòu)與推理策略， 將在復(fù)雜工業(yè)場景中實(shí)現(xiàn)更高的檢測精 度與更廣的泛化性。例如，在半導(dǎo)體晶圓檢測、3C 電子關(guān)鍵 目標(biāo)檢測中， 模型能夠進(jìn)一步提升對(duì)微小缺陷的檢測能力以及 在小樣本，甚至零樣本條件下的泛化性和通用性。

　　3、提供一站式 AI 解決方案

　　OPT 將發(fā)布高質(zhì)量工業(yè) AI 生成平臺(tái)，支持圖像擦除、編 輯、缺陷遷移與高質(zhì)量圖像生成， 通過生成技術(shù)模擬真實(shí)場景 數(shù)據(jù)，進(jìn)一步降低對(duì)工業(yè)高質(zhì)量訓(xùn)練數(shù)據(jù)的依賴。在此基礎(chǔ)上， 打造一站式智能解決方案平臺(tái)， 覆蓋數(shù)據(jù)挖掘、知識(shí)梳理、高 質(zhì)量數(shù)據(jù)生成、半自動(dòng)標(biāo)注、用戶確認(rèn)、 一鍵模型訓(xùn)練、模型 調(diào)配與批量部署的全流程。用戶可根據(jù)需求定制方案， 例如， 應(yīng)用在新能源檢測中，從數(shù)據(jù)準(zhǔn)備到模型上線僅需數(shù)小時(shí)。

　　OPT 持續(xù)優(yōu)化底層 AI 算法，研發(fā)高效的語義分割、高可 信檢測、小樣本學(xué)習(xí)與數(shù)據(jù)生成技術(shù)，推進(jìn) DeepVision 3 與 Web 平臺(tái)的智能化升級(jí)，在新能源、3C 電子、半導(dǎo)體等行業(yè) 實(shí)現(xiàn)了精準(zhǔn)賦能。

　　展望未來，OPT 將進(jìn)一步打磨 AI 軟件和平臺(tái)，打造開放 的技術(shù)生態(tài)，為行業(yè)釋放更大的 AI 能力，賦能更多企業(yè)實(shí)現(xiàn) 智造升級(jí)。