機器視覺正成為推動工業智造升級的核心技術力量。OPT通過持續創新，構建了從底層算法、中層平臺到上層應用的全棧式AI技術體系，為制造業提供智能視覺整體解決方案。
一、底層算法升級：性能優化與實用性的深度融合
OPT AI在底層算法上持續突破，通過提升算法性能、降低數據依賴，增強算法可靠性等為基于AI的機器視覺規模化應用提供堅實支撐。
高效輕量AI模型，實現性能與效率平衡
依托OPT海量的工業數據和豐富的AI行業經驗，基于自監督對比學習技術，訓練專用的工業預訓練模型，利用模型剪枝、知識蒸餾等輕量化技術，得到高精度輕量化預訓練工業AI模型，實現性能和效率的平衡。
以語義分割任務為例，在低配CPU（i5-2400）條件下，分割結果相當時，百萬像素圖像的推理時間縮短至20毫秒，較上一代輕量化模型提速60%，相較于常規輕量化分割網絡提速100%，大幅降低了對計算資源的依賴，確保AI模型在低算力及邊緣設備下也能高效運行，從而賦能老舊設備升級、云邊協同分析等更廣泛的工業場景。另外，基于千萬級工業數據開發的視覺大模型，能在零樣本條件下實現精準匹配與定位，在GPU 4080Ti下，大模型的推理速度達60FPS。
高可信度檢測算法，確保結果穩定可靠
在工業視覺檢測中，AI模型的可靠性和穩定性是更高級別的需求。OPT 自研高可信檢測技術，能夠有效提升AI檢測結果的可信度與一致性，確保檢測精準穩定。一方面，研發置信度度量和訓練策略，提升檢測網絡預測結果置信度的可信度；另一方面，研發關鍵目標推理結果一致性度量方法，保證關鍵目標不僅能檢出，而且檢得準，檢得對。應用于鋰電焊接工藝與鋼材缺陷檢測中，常用mAP指標提升了2.6%，漏檢與誤檢率顯著降低。
鋰電數焊接和涂布工藝缺陷檢測結果
小樣本學習+數據生成技術，降低數據依賴
高質量數據對AI模型的魯棒性與泛化性至關重要，但在工業場景中，數據稀缺常常限制了AI模型的落地應用，OPT 的小樣本學習從算法和數據兩個層面降低數據依賴。
算法層面：基于海量工業數據，結合遷移學習與元學習策略，預訓練基座模型對標注數據的依賴量降低30%。
數據層面：開發半自動化數據生成技術，利用常規圖像擴增、生成對抗網絡與擴散模型等技術手段，能在零樣本條件下實現關鍵目標的精準編輯與高質量圖像生成。例如，在手機中框小孔缺陷檢測中，模型可生成包含特定缺陷的高質量缺陷圖像，彌補真實數據的不足。
手機中框小孔缺陷編輯、擦除生成效果
二、中間層產品迭代：從AI軟件到生態平臺的智能化轉型
OPT持續優化、迭代產品，通過提升穩定性、擴展功能與改善用戶體驗，逐步構建了一個高效的視覺生態平臺，降低AI項目實施門檻，提高項目開發效率。
DeepVision3軟件全面升級
DeepVision3軟件作為OPT的核心AI工具，相較于上一代，已在穩定性、易用性與功能性上實現顯著提升。以交互式分割標注功能為例，基于海量工業數據對分割大模型的訓練以及智能交互策略的優化，3-clip指標下mIoU提升10%。
此外，DeepVision3軟件從僅支持單一2D圖像擴展至2D、3D點云、偏振、紅外等多模態數據，滿足多樣化的工業視覺分析需求，助力DeepVision 3從單一的AI工具逐步演變為綜合視覺平臺。
DeepVision3核心功能
Web版AI平臺提升項目協作與模型部署效率
OPT 推出Web版AI平臺，通過云端協同設計，實現多人多任務的高效協作，用戶無需復雜環境配置即可快速啟動AI項目，實施效率顯著提高。例如，在新能源檢測中，團隊可通過平臺共享模型與數據，項目實施效率提升50%以上。
Web版AI平臺與DeepVision3 AI軟件和Smart3視覺軟件無縫銜接，通過云端協同進一步加速項目開發，尤其是大規模生產制造場景下的AI 模型開發及機臺復制。基于此，單機節點可利用有限算力實現分批次快速數據標注，然后以數據共享的方式融合標注結果，依托中央節點高算力服務器進行模型快速訓練和驗證，最后把訓練完成后的模型一鍵下發到數百個檢測機臺。
端云協同的智能工廠模式
三、上層行業應用：深耕垂直場景的深度賦能
OPT的AI產品與解決方案已深度應用于新能源、3C電子、半導體等高端制造領域，2024年實施規模以上項目數百個，檢測產品數十億件。
鋰電行業
OPT推出行業通用AI模型，實現對鋰電卷繞、切疊等主流工藝關鍵工序的高速自適應通用檢測。面向鋰電前道工序（涂布、分條、模切等），OPT提供開箱即用的高速高精度工業視覺方案；針對形態多樣的中后道工序（焊接、包裝、入殼）等，OPT研發自適應遷移學習技術，助力產線換型時AI 項目實施周期縮短40%。
面向新能源的行業通用解決方案
3C電子行業
OPT 研發高精度、高可信的AI 解決方案，覆蓋手機制造中屏幕、組裝、電子回收等廣泛工藝流程，在側壁小孔、通孔的刀紋、未見光、劃傷以及音圈馬達表面壓傷等缺陷檢測中，精準率遠超行業標準。在手機、耳機的膠路復檢項目中，借助于高質量圖像生成技術，僅需15張圖像即可生成大批高質量的缺陷圖像數據，生成精度控制到3 pixel， 誤檢率控制到0.1% 以下。
半導體行業
面向12英寸晶圓，可實現精準快速的AOI檢測與計數，檢測項覆蓋了臟污、刮傷等16項缺陷類型，檢測精度達毫米級。對多達60萬顆晶粒進行精準計數和分類可視化，整體視覺處理時間低于30秒，漏檢率為0.1%、誤檢率為2%。
OPT AI技術還應用到物流、交通、醫療等多個領域，例如，在物流行業，助力分揀系統實現每小時1518件包裹的精準檢測，抓取成功率100%，上雙率低至0.01%。
四、未來發展：技術深化與場景拓展
未來，OPT將聚焦于打造輕量化、高精度和一站式技術解決方案，進一步提升技術實用性與產業覆蓋面。
打造更輕量化的視覺方案
采用模塊化配置實現檢測、分類、匹配、定位與邊緣檢測等功能，廣泛適用于組裝環節的智能定位引導和視覺檢測，實現低成本、高效率的AI項目實施。
研發高精度輕量化工業大模型
基于海量工業場景數據和充足算力資源，打造具備精準匹配、跟蹤、計數與檢測等能力的通用行業大模型，模型通過優化架構與推理策略，將在復雜工業場景中實現更高的檢測精度與更廣的泛化性。例如，在半導體晶圓檢測、3C電子關鍵目標檢測中，模型能夠進一步提升對微小缺陷的檢測能力以及在小樣本，甚至零樣本條件下的泛化性和通用性。
工業視覺大模型
提供一站式AI解決方案
OPT將發布高質量工業AI生成平臺，支持圖像擦除、編輯、缺陷遷移與高質量圖像生成，通過生成技術模擬真實場景數據，進一步降低對工業高質量訓練數據的依賴。在此基礎上，打造一站式智能解決方案平臺，覆蓋數據挖掘、知識梳理、高質量數據生成、半自動標注、用戶確認、一鍵模型訓練、模型調配與批量部署的全流程。用戶可根據需求定制方案，例如，應用在新能源檢測中，從數據準備到模型上線僅需數小時。
更高效智能的AI 實施流程
OPT 持續優化底層AI算法，研發高效的語義分割、高可信檢測、小樣本學習與數據生成技術，推進DeepVision 3與Web平臺的智能化升級，在新能源、3C電子、半導體等行業實現了精準賦能。展望未來，OPT將進一步打磨AI 軟件和平臺，打造開放的技術生態，為行業釋放更大的AI 能力，賦能更多企業實現智造升級。