痛点

1、产品品质要求提升

市场竞争加剧，客户对于产品品质提出更高要求；

2、工艺和质量检测依赖人工

产品设计和工艺越来越复杂，传统方法无法满足要求，严重依赖人工；

3、检测效率低、劳动强度高

复杂场景下，人员对于产品缺陷识别困难，耗时费力，准确率下降；

4、检测人力成本高

劳动力资源短缺，企业用工成本逐年升高

用户价值

大幅提升产品品质

复杂场景下，多分类准确率优于人员平均水准 10%；

减少判片人工成本

缺陷检测、品质判定人力减少70%以上；

极大提升缺陷判别速度

AI缺陷判别速度较人工提升5~10倍；

降低硬件资源投入

通过弹性资源调度，提升服务器效率，减少硬件资源投入

核心优势

应用场景多
多任务、复合型模型工具包，覆盖工业检测各种应用场景；微服务架构，实现算法无代码，松耦合，提升产品适用性；支持云边端多场景部署。
项目交付快
零代码平台，客户自主建模，快速响应业务需求；自动标注，减少75%人工作业；迁移学习，减少50%-70%数据需求量。
产品效果好
复杂场景下，多分类准确率优于人员平均水准 10%；迁移学习，小样本学习和异常检测技术，解决尾部异常样本难收集问题。
节省资源成本
自研高性能AI计算引擎，实现硬件资源减少50%以上；与知名品牌开发边缘计算芯片，降低硬件成本 30%以上。

应用场景

供料检测

来料识别：确保物流零错用；来料质检：确保来料零缺陷

人员作业

人效提升：作业培训、作业手法矫正；人员安全：异常行为、违规行为监控等

产线生产

智能生产：精细加工、视觉引导装配、物料无序抓取，机器人群协作生产

质量检测

质检把控，缺陷识别与判别；实时品质异常根因分析

出库发货

流程追溯：打通生产、物流及售后环节，实现中间过程数据化、全连通

案例

了解更多案例>

东智天枢AI视觉产品实现可靠与快速的表面缺陷检测

客户：全球领先的半导体显示企业

效果：
是半导体显示行业落地的第一个人工智能应用。借助AOI设备和算法模型，犹如给产线装上了“眼睛”和“大脑”。通过AI技术进行缺陷识别，不仅大大提高缺陷检测效率，漏检和误判等问题也遁于无形。
1、对比传统的人力判片方式，AI识别速度提升5-10倍，缩减人力50%。
2、缺陷识别准确率从85%提升到90%以上
3、异常拦截时间提早1-2小时，检测站点生产周期缩短60%