藥盒散落檢測

方案優勢

目標檢測方案適應性強，針對遮擋、重疊的物體也能進行準確的檢測。

目標定位場景

需求及挑戰

在料盤分揀的場景中，不同種類料盤中心都貼著一張面單，機器手根據面單中心位置進行抓取和放置料盤，同時根據面單標簽上的信息進行二維碼信息識別。因料盤大小、角度、面單反光程度不一致，傳統的特征匹配難以應對所有種類的差異，使用海康機器人深度學習目標檢測進行目標定位，可解決以上問題。

料盤定位抓取

方案優勢

目標檢測算法對精度要求不高的定位場景尤為適用，且能夠兼容不同種類的產品定位。

解碼場景

需求及挑戰

一些常見的3C產品在生產時會在其外殼上刻印“小圓點”，每個點根據其位置代表不同的值。按照特定的解析規則，通過對小圓點解析可獲取到大量的生產信息，如：生產日期、樓棟號、樓層號、機器號等等，便于后期溯源。傳統算法面對小圓點大小、形態、深淺不一，又存在臟污、水漬的干擾的情況顯得“捉襟見拙“。采用海康機器人目標檢測算法可精準定位每一個點，準確解析保存其生產信息。

方案優勢

目標檢測算法兼容性強，能夠很好地兼容定位形態各異的目標。在復雜背景干擾下也能準確定位目標信息點。

“目標檢測算法常用于多種領域內的檢測、計數、識別和定位，對于不同形態的產品都有良好的適應性。在眾多應用場景中，目標檢測算法的應用相比傳統算法有著獨特的優勢。簡單的方案設計，使操作人員上手更容易，簡單的參數使調試更便捷。強大的神經網絡使之能夠高效、準確兼容定位各種復雜場景下的目標。”