【技术发布】AI赋能机器视觉，与产业落地深度融合

　机器视觉正成为推动工业智造升级的核心技术力量。OPT通过持续创新，构建了从底层算法、中层平台到上层应用的全栈式AI技术体系，为制造业提供智能视觉整体解决方案。

　　一、底层算法升级：性能优化与实用性的深度融合

　　OPT AI在底层算法上持续突破，通过提升算法性能、降低数据依赖，增强算法可靠性等为基于AI的机器视觉规模化应用提供坚实支撑。

　　高效轻量AI模型，实现性能与效率平衡

　　依托OPT海量的工业数据和丰富的AI行业经验，基于自监督对比学习技术，训练专用的工业预训练模型，利用模型剪枝、知识蒸馏等轻量化技术，得到高精度轻量化预训练工业AI模型，实现性能和效率的平衡。

　　以语义分割任务为例，在低配CPU(i5-2400)条件下，分割结果相当时，百万像素图像的推理时间缩短至20毫秒，较上一代轻量化模型提速60%，相较于常规轻量化分割网络提速100%，大幅降低了对计算资源的依赖，确保AI模型在低算力及边缘设备下也能高效运行，从而赋能老旧设备升级、云边协同分析等更广泛的工业场景。另外，基于千万级工业数据开发的视觉大模型，能在零样本条件下实现精准匹配与定位，在GPU 4080Ti下，大模型的推理速度达60FPS。

　　高可信度检测算法，确保结果稳定可靠

　　在工业视觉检测中，AI模型的可靠性和稳定性是更高级别的需求。OPT 自研高可信检测技术，能够有效提升AI检测结果的可信度与一致性，确保检测精准稳定。一方面，研发置信度度量和训练策略，提升检测网络预测结果置信度的可信度;另一方面，研发关键目标推理结果一致性度量方法，保证关键目标不仅能检出，而且检得准，检得对。应用于锂电焊接工艺与钢材缺陷检测中，常用mAP指标提升了2.6%，漏检与误检率显著降低。

锂电数焊接和涂布工艺缺陷检测结果

　　小样本学习+数据生成技术，降低数据依赖

　　高质量数据对AI模型的鲁棒性与泛化性至关重要，但在工业场景中，数据稀缺常常限制了AI模型的落地应用，OPT 的小样本学习从算法和数据两个层面降低数据依赖。

　　算法层面：基于海量工业数据，结合迁移学习与元学习策略，预训练基座模型对标注数据的依赖量降低30%。

　　数据层面：开发半自动化数据生成技术，利用常规图像扩增、生成对抗网络与扩散模型等技术手段，能在零样本条件下实现关键目标的精准编辑与高质量图像生成。例如，在手机中框小孔缺陷检测中，模型可生成包含特定缺陷的高质量缺陷图像，弥补真实数据的不足。

手机中框小孔缺陷编辑、擦除生成效果

　　二、中间层产品迭代：从AI软件到生态平台的智能化转型

　　OPT持续优化、迭代产品，通过提升稳定性、扩展功能与改善用户体验，逐步构建了一个高效的视觉生态平台，降低AI项目实施门槛，提高项目开发效率。

　　DeepVision3软件全面升级

　　DeepVision3软件作为OPT的核心AI工具，相较于上一代，已在稳定性、易用性与功能性上实现显著提升。以交互式分割标注功能为例，基于海量工业数据对分割大模型的训练以及智能交互策略的优化，3-clip指标下mIoU提升10%。

　　此外，DeepVision3软件从仅支持单一2D图像扩展至2D、3D点云、偏振、红外等多模态数据，满足多样化的工业视觉分析需求，助力DeepVision 3从单一的AI工具逐步演变为综合视觉平台。

DeepVision3核心功能

　　Web版AI平台提升项目协作与模型部署效率

　　OPT 推出Web版AI平台，通过云端协同设计，实现多人多任务的高效协作，用户无需复杂环境配置即可快速启动AI项目，实施效率显著提高。例如，在新能源检测中，团队可通过平台共享模型与数据，项目实施效率提升50%以上。

　　Web版AI平台与DeepVision3 AI软件和Smart3视觉软件无缝衔接，通过云端协同进一步加速项目开发，尤其是大规模生产制造场景下的AI 模型开发及机台复制。基于此，单机节点可利用有限算力实现分批次快速数据标注，然后以数据共享的方式融合标注结果，依托中央节点高算力服务器进行模型快速训练和验证，最后把训练完成后的模型一键下发到数百个检测机台。

端云协同的智能工厂模式

　　三、上层行业应用：深耕垂直场景的深度赋能

　　OPT的AI产品与解决方案已深度应用于新能源、3C电子、半导体等高端制造领域，2024年实施规模以上项目数百个，检测产品数十亿件。

　　锂电行业

　　OPT推出行业通用AI模型，实现对锂电卷绕、切叠等主流工艺关键工序的高速自适应通用检测。面向锂电前道工序(涂布、分条、模切等)，OPT提供开箱即用的高速高精度工业视觉方案;针对形态多样的中后道工序(焊接、包装、入壳)等，OPT研发自适应迁移学习技术，助力产线换型时AI 项目实施周期缩短40%。

面向新能源的行业通用解决方案

　　3C电子行业

　　OPT 研发高精度、高可信的AI 解决方案，覆盖手机制造中屏幕、组装、电子回收等广泛工艺流程，在侧壁小孔、通孔的刀纹、未见光、划伤以及音圈马达表面压伤等缺陷检测中，精准率远超行业标准。在手机、耳机的胶路复检项目中，借助于高质量图像生成技术，仅需15张图像即可生成大批高质量的缺陷图像数据，生成精度控制到3 pixel， 误检率控制到0.1% 以下。

　　半导体行业

　　面向12英寸晶圆，可实现精准快速的AOI检测与计数，检测项覆盖了脏污、刮伤等16项缺陷类型，检测精度达毫米级。对多达60万颗晶粒进行精准计数和分类可视化，整体视觉处理时间低于30秒，漏检率为0.1%、误检率为2%。

　　OPT AI技术还应用到物流、交通、医疗等多个领域，例如，在物流行业，助力分拣系统实现每小时1518件包裹的精准检测，抓取成功率100%，上双率低至0.01%。

　　四、未来发展：技术深化与场景拓展

　　未来，OPT将聚焦于打造轻量化、高精度和一站式技术解决方案，进一步提升技术实用性与产业覆盖面。

　　打造更轻量化的视觉方案

　　采用模块化配置实现检测、分类、匹配、定位与边缘检测等功能，广泛适用于组装环节的智能定位引导和视觉检测，实现低成本、高效率的AI项目实施。

　　研发高精度轻量化工业大模型

　　基于海量工业场景数据和充足算力资源，打造具备精准匹配、跟踪、计数与检测等能力的通用行业大模型，模型通过优化架构与推理策略，将在复杂工业场景中实现更高的检测精度与更广的泛化性。例如，在半导体晶圆检测、3C电子关键目标检测中，模型能够进一步提升对微小缺陷的检测能力以及在小样本，甚至零样本条件下的泛化性和通用性。

工业视觉大模型

　　提供一站式AI解决方案

　　OPT将发布高质量工业AI生成平台，支持图像擦除、编辑、缺陷迁移与高质量图像生成，通过生成技术模拟真实场景数据，进一步降低对工业高质量训练数据的依赖。在此基础上，打造一站式智能解决方案平台，覆盖数据挖掘、知识梳理、高质量数据生成、半自动标注、用户确认、一键模型训练、模型调配与批量部署的全流程。用户可根据需求定制方案，例如，应用在新能源检测中，从数据准备到模型上线仅需数小时。

更高效智能的AI 实施流程

　　OPT 持续优化底层AI算法，研发高效的语义分割、高可信检测、小样本学习与数据生成技术，推进DeepVision 3与Web平台的智能化升级，在新能源、3C电子、半导体等行业实现了精准赋能。展望未来，OPT将进一步打磨AI 软件和平台，打造开放的技术生态，为行业释放更大的AI 能力，赋能更多企业实现智造升级。