综合描述：

基于深度学习技术在工业视觉与工业瑕疵检测方面的应用场景，打造工业标准化视觉检测AI智能算法平台-HanddleAI。结合了东声“AI深度学习算法、AI智能机器学习法、AI传统学习算法” 将数据采集、分类、标记、训练、调参、测试整合为一体。软件分为Handdle AI大数据样本检测平台，HanddleAI 深度视觉识别平台、HanddleAI在线数据处理云平台。具有高性能、高准确度、高精度、高速度、高通用性、高易用性等优点有效解决工业领域各种复杂场景下的图像分割、图像分类、目标检测、OCR字符识别、单样本检测、目标测量等各类视觉应用,并且在小样本学习、迁移学习、可视化调试等方面均达到行业领先水平，实现跨系统应用，适配各类硬件加速芯片，灵活兼容多种智能检测硬件终端；通过快速构建深度学习视觉应用系统，满足复杂场景下的视觉检测和分类等视觉应用需求。全面降低企业对AI专业能力的依赖，企业无需算法人员现场编程，只需通过点击鼠标等简单操作，即可完成AI模型的训练和部署，让AI应用于工业产线，提高生产效率，实现传统制造业的智能化升级。

目前该产品已申请多项算法发明专利以及软件著作权。

主要性能指标：

检测准确度＞99.9%，检测精度最小可达0.01mm，检测速度最高可达30个/S

产品优势：

1、小样本技术，解决工业缺陷图像数据少，减少AI对于数据量的依赖，基于工业样本特性的。利用结构化保持的流形学习方法、深度最优测度学习方法及特征匹配与对抗学习方法，解决基于迁移学习的小样本识别中产生的负迁移、负适配、欠拟合等关键问题。

2、迁移学习技术，强泛化能力，解决跨产品型号能力差问题。通过工业领域收集的各类缺陷图片，训练出较为通用的预训练工业模型。由于通用模型的低层语义通常包含缺陷边缘、颜色等通用基础信息，无需重复训练，因此迁移学习冻结预训练模型的全部卷积层，只训练自己定制的全连接层；即只训练高层语义所包含的组合性复杂特征来将通用预训练工业模型迁移到多个领域只有小数据的领域，提高了泛化能力具有适应性。

3、算法底层框架优化技术，超高精度，解决行业检测误差问题。Handdle AI深度学习模块优化了算法底层框架，得益于专业的超参控制调整，使所检测的分割像素无限贴近于真实。根据项目图像特征的不同，组合配备对应的超参控制，对像素特征具有极高的感知，大幅度提升检测IOU及像素级精度。

4、可视化调试技术，解决深度学习模型优化无方向问题，通过计算获得最大那一类的输出相对最后一个featuremap的梯度，再把这个梯度可视化到原图，这样通过抽出中间层的结果来打开黑匣子。针对样本在训练过程中不可控的问题，特别加强了图像分类可视化功能，通过热力图、精准定位到最高权重，并提供强有效的方向性修复方案。

5、卷积神经网络精确高效特征识别技术，利用特征精准识别强化检测像素重合度技术，使得所检测的目标区域与检测结果无限重合，从而提升检测精度，大幅度降低过漏检。

6、跨平台兼容性，通用各类型的数据：2D、3D、X-ray、红外等数据形式均可导入HanddleAI软件平台；不受硬件约束，兼容所有智能相机等硬件平台，能够实时在线取图、样本处理、通讯系统的完美融合；兼容三大操作系统，软件可提供用户各项API接口，可快速方便的嵌入用户原有系统，包括Windows、linux、Mac OS等；可跨硬件加速平台包含英伟达GPU、英特尔VPU、CPU、FPGA、集成显卡等。

应用领域：

我司已经在泛3C、泛半导体、光伏、新能源锂电、汽车及零部件等领域打造了多个行业标杆项目。

A系列产品产业链