半云科技自主研制规划了多维空间高速卷积神经网络AI视觉检测算法，完成缺点检测等缺点检测；完成变电站刀闸检测等智能实时视觉剖析检测，最高检测速度

　　缺点标示简略：渠道完成标示可视化，终端用户可直接标示。 缺点分类灵敏：缺点分类可修改，适用于不同用户不同需求。

　　强缺点信息可追溯：检测进程中的图画及缺点信息可保存 检测日志可追溯：检测进程中的操作、通讯等日志信息可保存 检测进程可再现：可再现检测时的处理进程，便于发现问题

　　传统机器视觉有其固有优势，渠道支撑传统机器视觉技能 与深度学习处理方案结合，完成互补，处理杂乱场景下的缺点主动检测。

　　全链路打通数据收集、标示、练习和布置环境，经过深度机器学习和多维空间高速卷积神经网络AI视觉检测算法，主动识别图画中的瑕疵或毛病，以到达大幅节约人力，进步产品出产功率及精度稳定性的作用。

　　高度的产品化规划，使得最终用户在不需要技能人员的干涉下，在不必改动代码的条件下，可运用Bysight标示东西对图画上的缺点部分进行标示。

　　缺点标示作业量大，且耗时耗力，经过半云自主研制多维空间高速卷积神经网络AI视觉检测算法，经过正确图画与缺点图片比对后，可做到主动引荐标示区域，大大削减运用者在标示时消耗的时刻。

　　运用图片批处理剖析技能，将图画一次性打包进行检测剖析，进步检测剖析功率。比起单处理技能，能够乘多倍的速度处理图片，从而在高速出产线上检测图片时无瓶颈

　　渠道交融深度学习与opencv技能，根据tensorflow等多种结构完成工业视觉图画检测，检测出图画上各种缺点的方位巨细和形状，并对其进行剖析，判别其是否合格。