物體檢測的任務是找出圖像或視頻中的感興趣物體，同時檢測出它們的位置和大小，這是機器視覺領域的核心問題之一。

隨著工業自動化的蓬勃發展，很多制造商在產品的生產過程中，總會出現一些瑕疵，不良，畸形，貼合偏差等。有時人工無法達到要求的精度時，運用機器視覺系統的定位/對準/對位，能順利完成高精度的制造工序。但是，在物體檢測過程中也有很多不確定因素，如圖像中物體數量不確定，物體有不同的外觀、形狀、姿態，加之物體成像時會有光照、遮擋等因素的干擾，導致檢測算法有一定的難度。檢測如果存在精度問題，就會導致不良品的產生，檢測及控制一旦存在時滯，也就會降低生產性。如何實現快速準確定位，成為生產工序高效化不可或缺的手段。矩視智能低代碼平臺融合深度學習算法，2D/3D視覺，SaaS工具和aPaaS模塊化組件。完成圖像采集、圖像標注、算法開發、算法封裝、應用集成的完整開發工具鏈，無需編程，支持深度學習模型訓練閉環，將開發效率提升10倍以上，顛覆了傳統的項目定制開發模式，滿足不同業務場景下的差異化需求，助力產業智能化升級。

目標定位模塊概述

主要用于對圖片中不同類別、位置的對象進行定位和分類，以及對圖片中不同缺陷特征的定位和檢測。常用于對多種工件進行分類、定位、計數，對同一工件中多種缺陷特征定位、分類等，是應用最廣泛的缺陷檢測工具。特點：? 訓練速度和推理速度快，經過深度學習訓練，可解決平移、旋轉、縮放和光線等影響。? 支持圖像中多個目標同時檢測，給出所有被識別目標的位置和定義? 標注工具矩形圖形式，靈活、便捷。應用場景：? 不規則形狀目標檢測? 小目標檢測

案例解析：連接器缺陷檢測

● 檢測需求

對連接器表面缺陷進行檢測，Pin針數量分布25×2，需要檢測Pin針有無偏斜、變形。

●檢測難點

Pin針數量多、缺陷形態多變、檢測區域背景復雜。

●解決方案

利用矩視智能的目標定位功能，構建基于深度學習的連接器缺陷識別模型，提供非接觸式檢測，精確地呈現連接器Pin針的變形、偏斜等重要信息，及時發現連接器缺陷，有效剔除不合格產品。

●具體步驟

1. 創建“目標定位”項目

2. 上傳圖片

根據上傳圖片，對給出缺陷進行了歸納分類并打標簽處理，針對不同的缺陷類別檢測需求給出了相應的AI處理方案；

3. 標注

使用標注工具，將缺陷類型根據標簽進行標注；

4. 模型訓練

使用矩視智能低代碼平臺中【訓練】和【測試】功能模塊，進入深度學習階段，實現檢測需求。

5. 模型驗證

01

使用前VS使用后

第1排第5個向右偏斜

02

使用前VS使用后

第1排第11個向下輕微偏斜

03

使用前VS使用后

第1排右數第5個向左下方偏斜

04

使用前VS使用后

第1排第9個向上偏斜第2排第8、9個向上偏斜

05

使用前VS使用后

第2排倒數第1個向左上方偏斜

06

使用前VS使用后

第1排第13個向上方偏斜第2排第13個向上方偏斜

●最終效果使用矩視智能低代碼平臺之前缺陷識別率低，容易誤識別。使用矩視智能低代碼平臺目標定位算法測試后達到了技術要求，缺陷檢出率和準確率都能達到99%以上。在連接器應用中，矩視智能使用Ai深度學習算法，有效解決大部分缺陷檢測需求，緩解人工質檢存在的種種問題，為客戶提高產品質檢效能，得到了客戶極大認可。