NexSight是一款基于深度學習的云端工業AI視覺算法平臺，以阿丘科技自研視覺算法庫為核心，云端一站式構建常見場景工業AI視覺檢測模型。

任意電腦聯網登錄即用，不限終端！

內置自動化訓練及調優功能，超低門檻！

云端訓練，支持GPU/CPU推理，超輕投入！

繼分割和分類模塊后，應廣大用戶需求，NexSight迎來四大全新模塊：字符識別、檢測、非監督分割和非監督分類模塊。本次更新后，NexSight將支持更多工業檢測場景，全面助力工廠提升質量檢測水平。

新增功能一

字符識別

應用場景廣泛，解決多種字符識別難題

無論是重疊、扭曲、歪斜的字符，還是復雜背景下的字符，基于阿丘自研AI算法都能輕松識別，滿足包裝噴碼檢測、來料質量追溯、生產管理記錄等多種需求。

新增功能二

檢測模塊

檢得快、測得準

檢測模塊常用于識別產品表面成塊缺陷或多數量/類別目標。在臟污、水漬等干擾背景下，檢測效果同樣出眾，并且能夠接受產品存在自然偏差，具備一定的容錯性，適用于廣泛的工業視覺檢測場景。

新增功能三

非監督分割&非監督分類

正樣本學習，無視樣本收集難題

在工業AI視覺檢測落地過程中，經常遇到一些產品生產節拍慢或良品率高而導致的缺陷樣本難收集的問題，針對這一難點，阿丘創新性地采用了非監督學習算法，僅使用良品圖進行訓練，AI即可通過對比缺陷圖與良品圖不同的特征，有效識別出已知或未知的缺陷異常。

應用實例

電容來料讀碼追溯

阿丘幫我們避免了人工錄入字符的成本和出錯損失，實現自動統計產品信息，提升工作效率。

——C廠質量部負責人

難點

存在表面反光和亮度分布不均等情況，嚴重干擾成像；

受到產品放置方式影響，標識字符可能存在扭曲、歪斜等情況。

解決方案

采用字符識別模塊，首先通過阿丘精心打造的預訓練模型進行推理，有效檢出95%以上的字符，大幅縮短了落地周期，后續通過收集線上數據對預訓練模型進行增量訓練，實現了對所有字符的精確檢出。

應用實例

鋼材表面瑕疵檢測

在熱軋鋼生產過程中，由于雜質或氧化鐵削在滾軸上堆積，容易造成鑄坯的刮傷，這種劃痕對鋼材的結構強度有很大影響。

難點

剛生產出的熱軋鋼附近溫度和亮度很高，人工目視檢查條件極差，但如果等鋼板冷卻劃痕又與正常的紋路難以區分；

生產節拍慢，缺陷樣本很難收集，檢測劃痕成為生產廠家難以解決的問題。

解決方案

采用非監督分割模塊進行前期檢測，僅用時一小時完成良品圖收集，一天內完成非監督分割模型上線，有效檢出缺陷，為工廠實現了飛躍式的降本增效。