“AI+视觉”的应用，为当下诸多企业的生产智能化打开了新的想象空间。其中，深度学习作为AI视觉的核心技术，在实际应用中往往需要经历一个耗时较长的阶段——深度学习神经网络模型训练。其目的是通过使用已标注的数据集来训练模型，使其能够自动识别和分类对象。整个训练过程包含数据收集、数据标注、模型训练、模型验证、模型部署等步骤，模型的训练结果对最终的视觉检测效果有着直接影响。

在应用了深度学习的复杂检测任务中，往往需要训练多个模型来达成最终的视觉检测标准，但多模型训练经常面临以下两大问题： 

1. 训练耗时长

 

在深度学习的训练过程中，需要处理大量的数据，并且需要进行复杂的数学计算。对于每个模型来说，训练过程可能需要数小时。

2.多模型训练成本高

在工业应用场景中，如果需要训练多个模型以形成完整的视觉方案，随着模型参数数量的增加，就需要更多的算力和时间来存储处理参数，造成算力资源的浪费。 

一、VisionBank AI深度学习多模型同步训练功能 模型训练加速 标注训练两不误 

 

针对以上难点，维视智造技术研发团队于近期成功迭代深度学习模型训练模块，上线多模型同步训练功能。该功能在VisionBank AI的高效架构之上，延续了操作简单的图形化开发方式，基于深度学习算法的技术加持，重点围绕复杂检测任务、模型构建效率和易用性进行优化，将为用户带来更智能、更便捷的使用体验： 

1.模型训练前，可使用覆盖全图分类、目标定位、像素分割等算法模块的各类标准标注工具及智能化标注工具，快速完成数据标注。

2.启用“多模型同步训练功能”，将多个已标注的模型发送引擎同步训练。同时可以一边进行数据标注，一边进行模型训练。该功能可在不增加任何算力成本的情况下极大缩短模型训练耗时。高效解决光伏、锂电、半导体、汽车、医药、食品等众多领域中的复杂视觉检测方案的落地工期问题。满足产线高速生产的需求，助力客户提升生产效率、产品良率，降低人工成本。

二、AI+视觉应用案例 

接线盒激光焊接机视觉检测系统：AI目标定位应用

接线盒自动安装机视觉检测系统：AI目标定位应用

自动贴铭牌机视觉检测系统：AI字符识别应用

极片分切一体机视觉检测系统：AI缺陷检测应用

圆柱电池汇流盘焊接机视觉检测系统：AI目标计数应用

晶圆表面缺陷检测解决方案：AI缺陷检测应用

晶圆定位解决方案：AI目标定位应用

木刀表面缺陷视觉检测解决方案：AI缺陷检测应用

镜片自动脱模视觉检测系统：AI目标定位应用

医药医美产品灌装贴标加塞一体机视觉检测系统：AI字符识别应用

桃子挖核机定位视觉检测系统：AI目标定位应用

关注公众号【维视智造股份】，获取案例详情。