鋁塑膜檢測  機器視覺解決方案
諾威特簡介
諾威特（NOVTEC） 成立于2003年，總部位于江蘇蘇州，是專業從事測試解決方案的高科技企業，為企業和研

究機 構提供大量的測試儀器設備解決方案。使用人工智能Artificial intelligence（Ai）深度學習對

復雜多變的產品外觀缺陷 進行有效識別和判斷，內建的深度學習建立多層神經網絡，特殊的圖像處理方式和

復雜的算法，使EL缺陷的漏判率可以達 到“零”，解決了多年來人工判別的漏檢和錯檢問題，并提供機器視

覺解決方案，其極快的判斷速度和高準確性滿足在線檢測的需求，為新能源行業 的“工業4.0”和“中國制

造2025”提供了可靠的技術保障。

機器視覺解決方案 深度學習
通過算法，使得機器能從大量歷史數據中學習規律，從而對新的樣本做智能識別，深度學習是機器學習中一

種基于對 數據進行特征學習的方法。觀測值（例如一幅圖像）可以使用多種方式來表示，如每個像章強度值

的向量，或者更抽象地 表示成一系列邊、特定形狀的區域等。而使用某些特定的表示方法更容易從實例中學

習任務（例如，缺陷類型）。

例如，使用人工智能方法能有效的進行光伏電池、組件產品的EL缺陷檢測，能快速準確的找出缺陷的位置，

并進行標 注，較傳統的使用圖片灰度掃描方法進行判斷，特別是多晶硅組件電池的EL圖片干擾因章復雜，具

有的技術優勢；我 們提供的檢測EL的方案使用的是神經網絡技術，通過定義單多晶硅組件缺陷產品圖片

的缺陷類型，軟件系統會進行缺陷特 征的自學習和深度學習，建立多層網絡，從而找出EL圖片的缺陷部分。

缺陷檢測以高精確度與高處理速度為基礎
更好的服務于有自動化需求的制造業工廠
簡便快速生成深度學習模型，無需算法優化作業
諾威特是在PCB、光伏、顯示屏、電子產品、新能源電池等多種領域使用的以深度學習為基礎的機器視覺檢測

軟件。現在也在現場以多樣的數據為基 礎進行學習不測試，不斷實現性能的提升。從標簽工具到結果輸出，

以驗觀的圖片結果為基礎為用戶提供用戶體驗以及便利性。已在復雜的生產線 上提供數據采檢、缺陷檢測服

務。

各個缺陷類型需要學習幾張圖像數據？
需學習圖像數量根據圖像的復雜程度會有所不同，但在初期不同的瑕疵類型提供30-100張左右即可。
神經網絡模型建立所需要的時間有多長？
一般2048*2048像章大小，1000張為標準的話，需要30分鐘左右。
在實際的生產線上處理圖像的速度能達到什么程度？
根據神經網絡條件會有所不同，但在2048*2048像章大小的圖像，每秒鐘可實時處理50張。

部分案例
鋁塑膜檢測
加裝于：復合、分切工段
可檢測缺陷類型
劃痕、氣泡、魚眼、漏涂、異物、凸點、魚鱗紋、繡印、暗紋、皮膚紋、鋁塑膜檢測

機器視覺解決方案
諾威特的深度學習解決方案和傳統機器視覺檢測的不同點
傳統機器視覺解決方案：
無法分析無規律圖像；當圖像不規則、無規律時，缺陷的特征很難通過 手動設定，因此無法分析圖像。精確

度低，如果缺陷部分和之前設定好的缺陷特征有輕微的 出入，傳統視覺都無法檢測出這樣的缺陷，導致檢測 

的精準度下降。實現自動化檢測進入壁壘高；生產環境發生變化時，需要特定的工程師進行優化作業并且手

動設定不斷變化的缺陷特征。

諾威特深度學習解決方案：
即使圖像復雜，通過深度學習算法，軟件可以自動 學習瑕疵的特征，使得無規律圖像的分析變得可能。
精確度高；通過深度學習算法和制造業*的數據提高檢測的精準度。

新增功能
通過圖像對比，降低優化的費用
為了實現優化檢測，根據不同產品/缺陷的特性，可選擇四種神經網絡進行訓練。
利用可視標簽（Visual Labeler）減少標記時間
利用可視化調試器（Visual Debugger）提高檢測分析的效率
利用批處理（Batch Processing）使圖像處理速度

如何使用：
上傳照片
圖片分類
標記
形成模型
測試
輸出模型

機器視覺解決方案優勢：
諾威特解決方案是您的選擇
使用針對制造業的*算法，確保檢測的精準度
自主開發的算法使處理速度達到
專業的深度學習解決方案研發團隊為您量身打造解決方案
自主開發的算法使處理速度達到