工业视觉智能将阿里云基于工业各场景中的最佳实践所获得的预训练模型与用户实际场景中的样本数据结合，通过用户样本数据的训练对模型进行定制优化，从而适配用户实际使用场景。当算法模型与生产线或生产环境中的检测/采集设备集成，就可实现在生产过程中以计算机视觉代替人工进行质量、安全、完整性等检测工作。基于计算机智能视觉不间断、不疲劳的特性在检测方面提供远高于人工的效率和准确性，与制造商、生产设备商一起降低工业生产成本提升产能。
产品优势
深度优化的模型
算法模型针对工业检测中样本图像语义信息弱、尺度变化大、背景复杂、特征组内差异大组间差异小的特点深度优化，在用户再次定制优化前即拥有远优于开源算法的性能。
无需专业算法知识
在工业视觉智能算法模型的整个定制优化过程中，用户不必具有算法相关的专业知识，通过简单的选择样本并点击训练，后台即可自动完成所有的参数优化，使模型获得适应于用户样本的能力。
调优过程自主
用户可以通过选择训练样本，训练的目标标签，并对训练后的模型指标和实际预测结果进行评估，完全自主控制算法模型针对用户实际使用场景及样本的定制优化。
支持多种调用方式
支持公共云API调用，无需用户自行构建环境，快速满足用户的使用需求，可根据调用量调整资源配置保障业务不间断。针对工业场景普遍存在的网络隔离情况，可一键导出SDK，部署到用户本地环境甚至前端生产线上，与生产环境无缝衔接。
功能亮点
智能辅助标注
样本标注不仅大量消耗人力成本且标注质量极大影响训练结果。视觉智能产品通过人工标注的少量样本即时对模型进行训练，以模型预测的方式对样本进行自动标注，并将需要人工校正的样本推荐给标注人员，通过迭代训练快速准确地完成标注工作。
智能样本评估
工业场景中标注在样本上的分布往往极不均匀，进而影响训练的结果及模型的性能。视觉智能产品通过样本智能评估，对每个标签的样本数及训练集与验证集的智能自动拆分，围绕着训练目标最大化的发挥样本的价值。
分布式训练
基于深度学习的工业视觉智能算法模型的训练优化需要大量的数据（不仅有您提供的样本数据也有阿里云提供的基准训练集），而工业场景中模型更新与迭代的速度直接影响产线效能。我们通过分布式训练框架大大缩短模型优化所需的时间。
多维度模型评估
提供丰富的指标方便您对模型整体性能及某个标签上的性能进行量化评估。同时将预测结果与原始标注在样本上进行对比呈现，对训练的效果及模型的能力提供直观的展示。
场景介绍
智能光伏质检
基于EL质检设备产生的光伏电池片图像，由视觉AI模型自动发现瑕疵，并识别瑕疵类型。提高质检产线效率，降低人力投入，为生产工艺改进积累可用数据。
