镜头模组质量是手机拍照效果好的关键，镜头模组有着高标准的外观缺陷检测需求。镜片污渍、镜片镀膜不良、镜片脏污、基准面划伤等共计11项检测内容。AI平台通过训练深度学习算法模型，实现精准定位缺陷位置并完成缺陷类型分类。

手机边框生产过程中，会出现毛边、银丝、划伤、碰伤、漏喷等缺陷。以上缺陷如果不及早发现，等到手机组装进入最后环节会带来不可逆的经济、物料损失。AI平台通过训练深度学习算法模型，实现手机边框全方位外观缺陷检测，提高产品品质。

安瓿是指一种可熔封的硬质玻璃容器，常用于存放注射用的药物以及疫苗、血清等，常用于注射用药液，也用于口服液的包装。需要进行检测的外观缺陷有瓶身黑点、结石、裂纹，瓶口脏污、破损，瓶底裂纹。AI平台通过训练深度学习算法模型，完成安碚瓶360度无死角外观瑕疵检测，其精度达到0.1mm。

对于此次疫情影响，造就的口罩供不应求，人工检测速度跟不上生产速度。AI平台通过训练深度学习算法模型，可对口罩正反面脏污、异物进行检测，正反面毛发进行检测，耳带长度进行检测，口罩尺寸测量，耳带线头焊点检测等，并可与口罩生产设备信号无缝对接，将不良品快速剔除在外。

在轴承生产、装配的过程中，由于加工技术和微小异物的因素，导致生产的轴承表面产生一些缺陷。常见缺陷种类包括裂纹、黑斑、锈蚀、凹坑、划痕、缺盖、浮盖以及倒角不均匀等。这些缺陷不仅影响轴承产品的外观，也严重影响轴承的性能。AI平台通过训练深度学习算法模型，实现轴承外观缺陷检测，自动定位瑕疵区域和类型。

不透明瓷瓶常用于饮料、酒水的装载，液体的罐装对瓷瓶的质量要求极高，尤其是瓷瓶内壁的裂纹裂缝。不透明瓷瓶使得内壁检测异常困难，人工检测效率极低且容易误判。AI平台通过训练深度学习算法模型，实现内壁缺陷的精准判断，能够实时完成位置定位和特征计算。

PET塑料具质轻、透明度高、耐冲击不易碎裂等特性，常用作饮料、汽水的盛装。AI平台通过训练深度学习算法模型，实现对瓶盖缺失、瓶盖倾斜、瓶盖密封的检测，对液位高低的检测，对喷码有无的检测。

化纤丝是布匹、衣物的原材料，广泛应用于生活的方方面面。化纤丝丝饼外观有毛丝、绊丝、油污、成型等缺陷，以上缺陷会影响化纤丝制作成布匹、衣物后的质量。AI平台通过训练深度学习算法模型，实现精准判断缺陷类型和位置，完成缺陷面积和大小像素级级别的计算。

黏胶纤维，具有仿毛感和蓬松感，适用于制作西服、毛毯和锦缎等。因其表面光泽度高、丝线顺滑，用黏胶丝制作的物料通常价格更高。黏胶丝丝面有毛丝、夹丝、接头、油污、色泽等缺陷，AI平台通过训练深度学习算法模型，实现缺陷准确归类，并能完成缺陷严重程度的判断。

化纤丝、黏胶丝卷绕所需的纸筒，对其表面质量有着严格要求。纸筒上纸皮翘起、污渍、划痕等缺陷会刮断、污染退绕过程中的纤维丝，阻碍布匹的纺织、染色等。AI平台通过训练深度学习算法模型，完成纸筒360度无死角的外观检测，对20种以上的不同缺陷进行识别和定位。

化纤丝、黏胶丝等丝锭装箱阶段，会对箱体中丝锭的数量进行统计。AI平台通过训练深度学习算法模型，实现准确计算箱体内丝锭数量功能。

喷丝板的作用是将黏流态的高聚物熔体或溶液，通过微孔转变成有特定截面状的细流，经过凝固介质如空气或凝固浴固化而形成丝条。喷丝板上方微孔的大小和数量，会影响丝条的规格于品质。AI平台通过训练深度学习算法模型，能够计算微孔数量及微孔面积，实现喷丝板的自动化检测。