康耐视In-Sight 2800视觉系统的应用案例

In-Sight 2800创新性地将AI技术与基于规则的传统视觉工具相结合，充分满足了制造商多元化的应用需求。

无论是进行存在/缺失检测、字符读取，还是执行高精度的产品特征分析，用户都能轻松完成设备的调试并确保其稳定运行。即便在反光、低对比度等复杂环境条件下，以及高速生产线的严苛要求中，In-Sight 2800依然能够展现卓越的适应性和强大性能。

以下为您呈现四个成功应用案例，这些案例展示了In-Sight 2800如何在汽车、电子、医疗及食品行业中显著提升效率与质量。

电动汽车行业

电驱部件防错检测

应用场景及需求

电动汽车电驱部件组装车间工序繁多，组装完成后需要对部件进行全检，确保各类型零件如O型圈、密封垫、轴补偿垫片等均组装到位，及时发现漏装、错装问题，保证产品出厂良率。

应用痛点

电驱部件换型频繁，换型后检测程序需重新调试，而调试过程繁琐且耗时长，降低整体生产效率。传统检测方式的稳定性和准确率也有待提升。

解决方案及使用效果

In-Sight 2800集成了AI和基于规则的工具，为多种防错应用提供了全面的解决方案。其中，ViDi EL Classify作为基于AI的边缘学习工具，通过少量图像即可高效完成机器学习训练，显著提升调试效率和识别准确率。同时，基于规则的工具支持灵活设置多个兴趣区域(ROI)，使得系统能够自动、高效、稳定地检测电驱部件上的O型密封圈、密封垫和轴补偿垫片等关键部件，确保所有部件的正确安装，为生产线提供了可靠的防错保障。

电子行业

手机屏字符码读取

应用场景及需求

手机屏幕上的标识字符记录着产品的生产批次、流转环节等信息，是产品质量控制和问题追溯的关键凭据。制造商需要准确读取并记录手机屏上的字符码，以绑定产品质量状态信息。客户要求字符识别率达到99.99%，每件产品的识别时间小于200毫秒。

应用痛点

屏幕上的字符内容多样，字符间距较小，容易产生错读。传统方案为了准确读取信息，往往牺牲读取速度。

解决方案及使用效果

In-Sight 2800配备的高速液态镜头支持自动对焦功能，结合ViDi EL Read工具的AI字符读取算法，即使在反光、低对比度和非平整表面上，也能迅速加载字符模型并精准读取字符内容。该系统实现了高达99.99%的读取率和200毫秒/件的读取速度。整个检测系统仅需少量示例图像即可完成训练，并在数分钟内即可投入使用。目前，该系统已在客户生产线上稳定运行数月，各项性能指标均达到预期，展现了其卓越的性能和可靠性。

医疗器械行业

包装袋密封性检测

应用场景及需求

医疗器械产品对无菌或密封有严格要求。在运输和储存过程中，包装袋封口的质量直接影响器械的有效性和安全性。因此，在出厂前，必须100%检测医疗器械包装袋的封口是否符合规范。

应用痛点

包装袋表面易有反光，且不良种类多、差异小，传统检测方案存在成像效果不稳定和错判率高等问题。

解决方案及使用效果

In-Sight 2800内置ViDi EL Classify工具能够精准检测包装袋封口是否存在缺陷，并智能地标记出缺陷的种类。这一特性不仅方便用户迅速识别问题所在，还促进了问题追溯与及时修正。依托先进的基于AI的边缘学习技术，In-Sight 2800具有低延迟和快速响应的显著优势，能够支持生产线速度高达20米/分钟，检测速度则达到每分钟2件，确保了生产线的持续稳定运行。更值得一提的是，In-Sight 2800还提供了快速、直观的训练设置，使用户能够在极短的时间内轻松训练好检测系统，极大地提升了工作效率。

食品行业

饼干烘干后饼皮检测

应用场景及需求

饼皮视觉检测在食品行业需求日益增长，通过对饼皮颜色、形状、纹理等特征进行提取和分析，可以确保饼皮外观质量和完整性符合要求，提升产品品牌形象和竞争力。

应用痛点

生产线上饼干方向不固定，表面奶油等干扰因素多，容易产生错检，导致检测系统无法稳定工作。

解决方案及使用效果

In-Sight 2800提供集成光源和镜头的模块化解决方案，融合了强大的AI视觉工具和传统视觉工具，为用户带来了前所未有的视觉检测体验。它能够精准地过滤干扰内容，确保图像训练的顺利进行，并高效执行视觉检测和不良品分类任务。在该项目中，In-Sight 2800展现了其卓越的性能。经过简单的图像训练后，通过ViDi EL Classify工具，系统实现了容错率控制在万分之三以内的精准检测。不仅如此，In-Sight 2800的检测速度也极为理想，即便在大视野范围内，也能每秒检测5-7个产品，确保了生产线的高效运行。

In-Sight 2800已在多个行业中展现出了强大的应用潜力和显著效果。它不仅能够降低生产成本，提升工作效率，还能显著提升产品质量，为制造业带来全方位的检测效率优化。