一、底层算法升级，性能优化与实用性的深 度融合

　　OPT AI 在底层算法上持续突破，通过提升算法性能、降 低数据依赖，增强算法可靠性等为基于 AI 的机器视觉规模化 应用提供坚实支撑。

　　1、高效轻量 AI 模型，实现性能与效率平衡

　　依托 OPT 海量的工业数据和丰富的 AI 行业经验，基于自 监督对比学习技术， 训练专用的工业预训练模型， 利用模型剪 枝、知识蒸馏等轻量化技术，得到高精度轻量化预训练工业 AI 模型，实现性能和效率的平衡。

　　以语义分割任务为例，在低配 CPU(i5-2400)条件下， 分割结果相当时，百万像素图像的推理时间缩短至 20 毫秒， 较上一代轻量化模型提速 60%，相较于常规轻量化分割网络 提速 100%，大幅降低了对计算资源的依赖，确保 AI 模型在 低算力及边缘设备下也能高效运行， 从而赋能老旧设备升级、 云边协同分析等更广泛的工业场景。另外， 基于千万级工业数 据开发的视觉大模型，能在零样本条件下实现精准匹配与定位， 在 GPU 4080Ti 下，大模型的推理速度达 60FPS。

　　2、高可信度检测算法，确保结果稳定可靠

　　在工业视觉检测中，AI 模型的可靠性和稳定性是更高级 别的需求。OPT 自研高可信检测技术，能够有效提升 AI 检测 结果的可信度与一致性，确保检测精准稳定。 一方面，研发置 信度度量和训练策略，提升检测网络预测结果置信度的可信度; 另一方面，研发关键目标推理结果一致性度量方法， 保证关键 目标不仅能检出， 而且检得准，检得对。应用于锂电焊接工艺 与钢材缺陷检测中， 常用 mAP 指标提升了 2.6%，漏检与误 检率显著降低。

锂电数焊接和涂布工艺缺陷检测结果

　　3、小样本学习 + 数据生成技术，降低数据依赖

　　高质量数据对 AI 模型的鲁棒性与泛化性至关重要，但在 工业场景中，数据稀缺常常限制了 AI 模型的落地应用，OPT 的小样本学习从算法和数据两个层面降低数据依赖。

　　算法层面：基于海量工业数据，结合迁移学习与元学习 策略，预训练基座模型对标注数据的依赖量降低 30%。

　　数据层面：开发半自动化数据生成技术，利用常规图像 扩增、生成对抗网络与扩散模型等技术手段， 能在零样本条件 下实现关键目标的精准编辑与高质量图像生成。例如， 在手机 中框小孔缺陷检测中， 模型可生成包含特定缺陷的高质量缺陷 图像，弥补真实数据的不足。

手机中框小孔缺陷编辑、擦除生成效果

　　二、中间层产品迭代，从 AI 软件到生态平 台的智能化转型

　　OPT 持续优化、迭代产品，通过提升稳定性、扩展功能 与改善用户体验， 逐步构建了一个高效的视觉生态平台， 降低 AI 项目实施门槛，提高项目开发效率。

　　1、DeepVision3 软件全面升级

　　DeepVision3 软件作为 OPT 的核心 AI 工具， 相较于上 一代， 已在稳定性、易用性与功能性上实现显著提升。以交互 式分割标注功能为例， 基于海量工业数据对分割大模型的训练 以及智能交互策略的优化，3-clip 指标下 mIoU 提升 10%。

　　此外，DeepVision3 软件从仅支持单 一 2D 图像扩展至 2D、3D 点云、偏振、红外等多模态数据，满足多样化的工业 视觉分析需求，助力 DeepVision 3 从单一的 AI 工具逐步演 变为综合视觉平台。

DeepVision3 核心功能

端云协同的智能工厂模式

　　2、Web 版 AI 平台提升项目协作与模型部署效率

　　OPT 推出 Web 版 AI 平台，通过云端协同设计，实现多 人多任务的高效协作，用户无需复杂环境配置即可快速启动 AI 项目，实施效率显著提高。例如，在新能源检测中，团队 可通过平台共享模型与数据，项目实施效率提升 50% 以上。

　　Web 版 AI 平台与 DeepVision3 AI 软件和 Smart3 视觉 软件无缝衔接， 通过云端协同进一步加速项目开发， 尤其是大 规模生产制造场景下的 AI 模型开发及机台复制。基于此，单 机节点可利用有限算力实现分批次快速数据标注， 然后以数据 共享的方式融合标注结果， 依托中央节点高算力服务器进行模 型快速训练和验证， 最后把训练完成后的模型一键下发到数百 个检测机台。

　　三、上层行业应用，深耕垂直场景的精准赋能

　　OPT 的 AI 产品与解决方案已深度应用于新能源、3C 电子、 半导体等高端制造领域，2024 年实施规模以上项目数百个， 检测产品数十亿件。

　　1、锂电行业

　　OPT 推出行业通用 AI 模型，实现对锂电卷绕、切叠等主 流工艺关键工序的高速自适应通用检测。面向锂电前道工序(涂 布、分条、模切等) ，OPT 提供开箱即用的高速高精度工业 视觉方案;针对形态多样的中后道工序(焊接、包装、入壳) 等，OPT 研发自适应迁移学习技术，助力产线换型时 AI 项目 实施周期缩短 40%。

　　2、3C 电子行业

　　OPT 研发高精度、高可信的 AI 解决方案，覆盖手机制造 中屏幕、组装、电子回收等广泛工艺流程， 在侧壁小孔、通孔 的刀纹、未见光、划伤以及音圈马达表面压伤等缺陷检测中， 精准率远超行业标准。在手机、耳机的胶路复检项目中， 借助

面向新能源的行业通用解决方案

　　于高质量图像生成技术，仅需 15 张图像即可生成大批高质量 的缺陷图像数据，生成精度控制到 3 pixel，误检率控制到 0.1% 以下。

　　3、半导体行业

　　面向 12 英寸晶圆， 可实现精准快速的 AOI 检测与计数， 检测项覆盖了脏污、刮伤等 16 项缺陷类型，检测精度达毫米级。 对多达 60 万颗晶粒进行精准计数和分类可视化，整体视觉处 理时间低于 30 秒，漏检率为 0.1%、误检率为 2%。

　　OPT AI 技术还应用到物流、交通、医疗等多个领域， 例如， 在物流行业，助力分拣系统实现每小时 1518 件包裹的精准检 测，抓取成功率 100%，上双率低至 0.01%。

　　四、未来发展，技术深化与场景拓展

　　未来，OPT 将聚焦于打造轻量化、高精度和一站式技术 解决方案，进一步提升技术实用性与产业覆盖面。

　　1、打造更轻量化的视觉方案

　　采用模块化配置实现检测、分类、匹配、定位与边缘检 测等功能，广泛适用于组装环节的智能定位引导和视觉检测， 实现低成本、高效率的 AI 项目实施。

　　2、研发高精度轻量化工业大模型

　　基于海量工业场景数据和充足算力资源，打造具备精准 匹配、跟踪、计数与检测等能力的通用行业大模型， 模型通过 优化架构与推理策略， 将在复杂工业场景中实现更高的检测精 度与更广的泛化性。例如，在半导体晶圆检测、3C 电子关键 目标检测中， 模型能够进一步提升对微小缺陷的检测能力以及 在小样本，甚至零样本条件下的泛化性和通用性。

　　3、提供一站式 AI 解决方案

　　OPT 将发布高质量工业 AI 生成平台，支持图像擦除、编 辑、缺陷迁移与高质量图像生成， 通过生成技术模拟真实场景 数据，进一步降低对工业高质量训练数据的依赖。在此基础上， 打造一站式智能解决方案平台， 覆盖数据挖掘、知识梳理、高 质量数据生成、半自动标注、用户确认、 一键模型训练、模型 调配与批量部署的全流程。用户可根据需求定制方案， 例如， 应用在新能源检测中，从数据准备到模型上线仅需数小时。

　　OPT 持续优化底层 AI 算法，研发高效的语义分割、高可 信检测、小样本学习与数据生成技术，推进 DeepVision 3 与 Web 平台的智能化升级，在新能源、3C 电子、半导体等行业 实现了精准赋能。

　　展望未来，OPT 将进一步打磨 AI 软件和平台，打造开放 的技术生态，为行业释放更大的 AI 能力，赋能更多企业实现 智造升级。