原子能力
Anomalib (Intel OpenVINO)
厂商/来源:
Intel
核心功能:
AI 质检员。专门解决工业场景“缺陷样本太少，训练不出来”的死结。
| 算法模型 | Padim, PatchCore (目前工业界最强) |
| 适用场景 | 手机屏幕划痕检测、布匹织造缺陷、药丸破损检测 (AOI) |
| 核心逻辑 | 无监督学习 (Unsupervised)：传统的 YOLO 需要标注几千张“坏品”。Anomalib 只需要训练几百张“良品”。凡是和良品不一样的，就是缺陷。 |
| 架构支持 | x86_64 (Intel CPU + OpenVINO 加速，效果最好) NVIDIA GPU |
| 性能指标 | PatchCore 算法在 Intel i7 CPU 上推理 1024x1024 图像约需 100-200ms。 |
| 交付形态 | Python 库 / Docker 镜像 |
| 避坑指南 | [光照敏感度] 1. 光照死穴：由于它是基于“良品比对”的逻辑，如果现场光照发生变化（比如早上和晚上的阳光差异），算法会认为“整张图都是缺陷”。对策：软件解决不了物理问题。必须上封闭式遮光罩 + 恒定工业光源。 2. 边缘误报：产品如果没有摆正，边缘位置的像素偏移会被误判为缺陷。对策：在送入 AI 之前，先做传统的图像对齐/校正 (Registration)，确保每张图的产品都在同一个坐标系下。 |
| 推荐搭配 | [海康工业相机] [条形/环形光源] [OpenVINO 运行时] |
