个人卖家：
月下独酌
创建于：2025-08-20
基于PyTorchAI自动标注系统+自动推理检测系统算法
￥2000.00
| 使用环境 |
工业场景：电子制造、汽车零部件、食品包装、半导体等自动化产线 |
| 使用对象 |
定位、检验、测量、读码、AOI检测 |
| 使用目的 |
实现产线100%全检，替代人工目检；降低漏检率（≤0.1%）与误检率（≤0.5%）；艺参数自适应优化 |
| 输入数据 |
2D图像、3D点云、视频流 |
| 输出数据 |
检测结果 JSON/XML；NG坐标 像素坐标+世界坐标；统计报表 CSV/Excel； |
| 硬件配置 |
处理单元 NVIDIA Jetson AGX Orin（64GB）
采集模块 Basler ace2系列（CoaXPress-12）等
光学系统 远心镜头+多角度环形光、同轴光+偏振镜 |
| 样本获取 |
自动标注、采集100-200张合格品图像、基于预训练模型生成初步标注； |
| 测试结果 |
定位精度 重复定位误差 ±0.05像素（2D）/±0.02mm（3D）；缺陷检出；读码能力 |
| 执行速度 |
最高支持1200件/小时 |
| 资源消耗 |
运行期间CPU占用率通常低于70%，GPU占用视模型规模波动在40–90%，内存占用约为4–8GB，存储空间建议预留100GB以上用于日志和数据缓存 |
| 源码类型 |
Python和C++混合开发 |
| 文件大小 |
完整部署包大小约为5–10GB，包含模型文件、依赖库、示例配置及文档；运行时环境及模型增量更新包通常不超过2GB |
| 相关备注 |
系统需定期根据实际生产数据进行模型优化和迭代更新；上图为自动标识截图 |
