結合深度學習技術，使用計算機視覺應用解決工業智造生產過程中的產品瑕疵檢測需求。
利用深度學習強大的特征學習和表達能力，解決瑕疵類型復雜多變的難題。
從數據收集處理、模型設計選型訓練到系統集成上線應用，提供一套完整的端到端AI解決方案
核心算法
可運行于主流深度學習網絡框架Tensorflow /Pytorch上
以卷積神經網絡（CNN）為骨干架構，采用語義標簽，可以對圖像畫面中的前后景物體以更高效處理速度實現更精確的識別，更好的從背景中分割出瑕疵區域
系統集成上線應用
提供算法模型集成化服務，輸入輸出采用RESTful API接口方式統一對接:
與已存在軟硬件（如工業相機采集圖片）直接對接，無需重新改造
隨時升級不改變原有對接方式，更利于迭代更新提升模型識別效果
方案優勢
1. 采用深度學習方法實現智能檢測，相比于傳統算法，適用性更強、準確率更高
2. 瑕疵檢測具備自主學習能力，隨著數據增多可以不斷提升識別準確率
3. 提供軟硬件一體的解決方案，適用于多種類型瑕疵，針對不同鋼板產品提供針對性解決方案
