物体检测的任务是找出图像或视频中的感兴趣物体，同时检测出它们的位置和大小，这是机器视觉领域的核心问题之一。

随着工业自动化的蓬勃发展，很多制造商在产品的生产过程中，总会出现一些瑕疵，不良，畸形，贴合偏差等。

有时人工无法达到要求的精度时，运用机器视觉系统的定位/对准/对位，能顺利完成高精度的制造工序。

但是，在物体检测过程中也有很多不确定因素，如图像中物体数量不确定，物体有不同的外观、形状、姿态，加之物体成像时会有光照、遮挡等因素的干扰，导致检测算法有一定的难度。

检测如果存在精度问题，就会导致不良品的产生，检测及控制一旦存在时滞，也就会降低生产性。如何实现快速准确定位，成为生产工序高效化不可或缺的手段。

矩视智能低代码平台融合深度学习算法，2D/3D视觉，SaaS工具和aPaaS模块化组件。完成图像采集、图像标注、算法开发、算法封装、应用集成的完整开发工具链，无需编程，支持深度学习模型训练闭环，将开发效率提升10倍以上，颠覆了传统的项目定制开发模式，满足不同业务场景下的差异化需求，助力产业智能化升级。

主要用于对图片中不同类别、位置的对象进行定位和分类，以及对图片中不同缺陷特征的定位和检测。常用于对多种工件进行分类、定位、计数，对同一工件中多种缺陷特征定位、分类等，是应用最广泛的缺陷检测工具。

特点：

✅ 训练速度和推理速度快，经过深度学习训练，可解决平移、旋转、缩放和光线等影响。✅ 支持图像中多个目标同时检测，给出所有被识别目标的位置和定义✅ 标注工具矩形图形式，灵活、便捷。

应用场景：

❇ 不规则形状目标检测❇ 小目标检测

● 检测需求

对连接器表面缺陷进行检测，Pin针数量分布25×2，需要检测Pin针有无偏斜、变形。

●检测难点

Pin针数量多、缺陷形态多变、检测区域背景复杂。

●解决方案

利用矩视智能的目标定位功能，构建基于深度学习的连接器缺陷识别模型，提供非接触式检测，精确地呈现连接器Pin针的变形、偏斜等重要信息，及时发现连接器缺陷，有效剔除不合格产品。

●具体步骤

1. 创建“目标定位”项目

2. 上传图片

根据上传图片，对给出缺陷进行了归纳分类并打标签处理，针对不同的缺陷类别检测需求给出了相应的AI处理方案；

3. 标注

使用标注工具，将缺陷类型根据标签进行标注；

4. 模型训练

使用矩视智能低代码平台中【训练】和【测试】功能模块，进入深度学习阶段，实现检测需求。

5.模型验证

01使用前VS使用后

02使用前VS使用后

03使用前VS使用后

04使用前VS使用后

05使用前VS使用后

06使用前VS使用后

●最终效果

使用矩视智能低代码平台之前缺陷识别率低，容易误识别。

使用矩视智能低代码平台目标定位算法测试后达到了技术要求，缺陷检出率和准确率都能达到99%以上。

在连接器应用中，矩视智能使用Ai深度学习算法，有效解决大部分缺陷检测需求，缓解人工质检存在的种种问题，为客户提高产品质检效能，得到了客户极大认可。

矩视智能机器视觉低代码平台是一个面向机器视觉应用的云端协同开发平台，始终秉承0成本、0代码、0门槛、0硬件的产品理念。

平台以人工智能技术为核心，在机器视觉应用开发环节，为开发者提供图像采集、图像标注、算法开发、算法封装和应用集成的一站式完整工具链。覆盖字符识别、缺陷检测、尺寸测量、目标定位等上百项通用功能，致力于成为全球用户量最多，落地场景最广泛的机器视觉低代码平台。

欢迎长按识别下方链接免费使用

申请后我们会有工作人员第一时间与您联系，请耐心等待！

更多功能正在开发中，最新信息会第一时间在官方公众号“矩视智能”进行公布，欢迎大家关注哦！