: 我们的目标

建立人工智能化检测流程

鼎纳近年来开始组建专门的AI团队对AI学术界的各种算法模型进行研究开发，移植到工业检测领域。
解决当前工业视觉检测传统算法智能化不足，特征提取难的痛点。
组建至今，完成实际AI项目数十个，覆盖了塑胶、金属、玻璃等各类材质产品的瑕疵检测。

如何理解 DN AI ？

顶层概念和出发点

鼎纳打造了基于数据分析和机器学习技术的生产制造优化体系，采用AI技术解决生产制造过程中的问题，实现生产效率的提升，致力于提供可靠、高效、安全和可维护的AI技术，帮助制造商在当今竞争激烈的市场中取得成功。

DN AI框架

应用AI技术+独有工业数据，实现快速效果落地

新一代机器学习平台及算法

视觉图像+缺陷特征集

这些技术使得产品能够准确地检测和识别生产过程中的缺陷和错误，从而提高产品质量和效率
独有产线数据训练

缺陷数据、工艺数据、产线特诊数据
快速优化

视觉效率提升、模型精度提升

视觉通用软件算力数据处理中心应用场景

快速落地

AI技术应用在智能检测设备上可以快速实现自动化检测和分析，提高生产效率和产品质量。
成本降低

AI技术能够减少人工投入和设备成本，降低检测成本，提高企业盈利能力。
良率提升

精准识别产品缺陷和异常，及时发现并解决生产过程中的问题，提高产品合格率和生产效率。

领先业内的AI算法能力

基于生成对抗网络的缺陷样本生成模型

高效解决样本不足、样本不均衡问题强迁移能力

生成式假样本集，但是认为是真样本集来训练

基于图网络弱监督，分割框架处理多钟若标注

与强监督模型组合，性能大幅提高适应各种弱标注，成本大幅降低

Bingfeng Zhang, Jimin Xiao, et al. "Affinity Attention Graph Neural Network forWeakly Supervised Semantic Segmentation." IEEE PAMI(2021)

质量控制

智能质检

借助AI+机器视觉检测，快速扫描产品质量

高效率，成本低，高精度（达微米级）

潜在代替全球3500万目检工人

生产流程

工艺优化

通过机器学习建立产品健康模型，
自动匹配最佳工艺参数

提高产品质量，优化效果闭环

智能化生产

大幅生产效率&质量，降低成本

决策优化

风险预测

从事后转为事前预测，大幅降低风险事件概率

智能决策

依托海量工业数据与AI训练

大幅提高生产决策准确性&效率

为什么选择我们？

升效降本，优化产品质量，提升品牌价值

提升品控

提升产品质量控制水平降低不良品率和客户投诉风险
高效生产

实现高效生产减少资源浪费和返工
支持定制

定制化能力和灵活性满足不同行业和应用场景需求
兼容性

与现有系统无缝集成个性化解决方案
可持续性

为行业的可持续发展做出贡献

咨询获取资源

电话

0512-66957689
地址

苏州市工业园区亭新街11号
电子邮件

info@dinnar.com