? 圖像處理：通過圖像壓縮、圖像增強(qiáng)、圖像信號的頻域分析等技術(shù)獲得數(shù)字圖像相關(guān)的一系列屬性指標(biāo)，可以有針對性地提升圖像質(zhì)量或者進(jìn)行初步的特征提取，通常使用圖像處理算法作為計算機(jī)視覺、機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)等相關(guān)任務(wù)的預(yù)處理和后處理的關(guān)鍵技術(shù)。
? 計算機(jī)視覺：基于光學(xué)傳感技術(shù)來模擬人的視覺機(jī)理獲取信號，通過計算機(jī)模擬人對這些光學(xué)信號的處理能力，讓計算機(jī)通過圖像或視頻等視覺信號理解現(xiàn)實世界中的場景、物體和各種目標(biāo)模式，其應(yīng)用范圍覆蓋了大多數(shù)工業(yè)領(lǐng)域的生產(chǎn)質(zhì)量檢測與分析。
? 基于早期機(jī)器學(xué)習(xí)算法，在應(yīng)用場景約束和有限數(shù)據(jù)的條件下，實現(xiàn)了工業(yè)生產(chǎn)領(lǐng)域的高準(zhǔn)確度缺陷檢測與分類，成為行業(yè)生產(chǎn)質(zhì)量管控的有效輔助手段。
? 早期機(jī)器學(xué)習(xí)在生產(chǎn)數(shù)據(jù)上的分析結(jié)果，有助于行業(yè)數(shù)據(jù)集的收集、歸納整理，為后續(xù)基于深度學(xué)習(xí)技術(shù)在行業(yè)應(yīng)用上的擴(kuò)展奠定了數(shù)據(jù)基礎(chǔ)。
? 在行業(yè)產(chǎn)品數(shù)據(jù)日益積累擴(kuò)大的基礎(chǔ)上，首先將深度學(xué)習(xí)相關(guān)研究成果落地到行業(yè)生產(chǎn)的智能質(zhì)檢中，在提高缺陷檢測和分類準(zhǔn)確度的同時大大增強(qiáng)了魯棒性。
? 利用自編碼模型實現(xiàn)了具有規(guī)則紋理產(chǎn)品的缺陷檢測，利用大量易收集的正樣本數(shù)據(jù)集并采用自監(jiān)督學(xué)習(xí)算法實現(xiàn)缺陷的精確分割。
? 基于生成式模型實現(xiàn)了部分罕見缺陷樣本的生成，一定程度上緩解了缺陷樣本不均衡的問題。
? 在大模型快速發(fā)展的驅(qū)動下，嘗試基于語言大模型的知識先驗和提示工程，通過多模態(tài)學(xué)習(xí)實現(xiàn)模型在應(yīng)用領(lǐng)域小數(shù)據(jù)下的快速遷移能力。并將工業(yè)生產(chǎn)領(lǐng)域智能質(zhì)檢的使用模式進(jìn)行擴(kuò)展，大大提升用戶的感官體驗。
? 工業(yè)生產(chǎn)質(zhì)量與原料品質(zhì)、存儲環(huán)境以及生產(chǎn)設(shè)備狀態(tài)等等因素密切相關(guān)，而與這些因素相關(guān)的參數(shù)不但多維且復(fù)雜。因此，基于大數(shù)據(jù)分析的相關(guān)技術(shù)，從數(shù)據(jù)預(yù)處理相關(guān)算法開始對數(shù)據(jù)進(jìn)行清洗，采用可以處理時間序列數(shù)據(jù)的深度模型對清洗后的數(shù)據(jù)進(jìn)行分析，按照設(shè)定的目標(biāo)任務(wù)引導(dǎo)模型訓(xùn)練，最終實現(xiàn)產(chǎn)品質(zhì)量預(yù)測以及參數(shù)關(guān)聯(lián)分析、生產(chǎn)過程綜合質(zhì)量評價、以及設(shè)備狀態(tài)監(jiān)控和智能維護(hù)等功能模塊。
