储能系统
案例：锂电池检查
- 外壳检测：典型的电池外壳缺陷，例如划痕、凹痕、裂纹和污渍，使用传统机器视觉难以检测：不仅由于外壳表面的反射性质难以捕捉缺陷，而且缺陷的阈值也很难量化。
借助SaigeVision® Segmentation,以准确快速地检测和识别此类外表面缺陷。
- 极耳检查：电池极耳由多种金属（铝、铜、镍）制成，其特性是薄、软且容易损坏。常见的缺陷包括划痕、凸起、孔洞和污垢。在焊接之前必须识别并消除所有缺陷，因为损坏的接线片会显着降低电池性能。低质量的焊接还会导致下游缺陷，例如烧伤、击中和漏球。
使用SaigeVision® Segmentation, 可以准确快速地识别标签缺陷。
- X射线检测： 检查电池内部正负极是否对齐，确定电极数量是否正确，识别不良焊缝是电池检测的关键步骤。 X光是电池内部检查首选的非侵入性方法，但X光图像可能很嘈杂且极易受环境变量的影响。
借助 SaigeVision® Super-Resolution 和Segmentation, 可以准确可靠地使用 X 射线进行电池内部检查。
半导体和电子产品
案例: 印刷电路板检测
印刷电路板 (PCB) 有许多不同类型的缺陷：开路、狭缝、针孔、电路推动、电路分离、过多的焊料、织带和飞溅等。 由于对精度和分辨率的要求严格，PCB的检测通常使用线扫描相机获取图像。 由于此类图像往往非常大，因此现有解决方案很难同时满足在线检测的速度和精度要求。
SaigeVision® 大德电子等先进的电子生产商选择使用SaigeVision®来助力其质检环节，实现高效、准确的线上缺陷检测。
包装和物流
案例：医用盐水袋抓取
包装有各种尺寸、形状和材料，范围从完全刚产品性到高度可变形产品。 在典型的生产线中，不仅要检查包裹，还要使用机器人进行操作、分拣和运输。 分拣通常需要识别包装的特征，并提前选择抓取点。 例如，盐水袋具有高度可变形性、透明性和反光性，并且经常堆叠在一起。 机器人取放的在线检测和实时抓取点选择必须在短短 200 毫秒内同时执行。
显示器和面板
案例：Mura 缺陷检测
OLED/LED/LCD 显示面板对缺陷检测提出了独特的挑战。 MURA 缺陷可被描述为极低对比度的污点，缺陷尺寸从几个像素的大小到极大的面积，由于其后端制造过程的性质，特别难以检测和分类。 不同的缺陷类型可能具有非常相似的外观，也可能出现在同一位置。 识别缺陷类型对于追踪制造错误的来源很重要。
SaigeVision® 已成功应用于检测 OLED 面板中的各种 MURA 和其他缺陷类型。
制药和生物医学
案例：药品检验
由于其严格的安全要求，药品检验不能容忍任何漏检（即错误地将损坏的药丸归类为正常），同时保持实时、大批量检验率也至关重要。
SaigeVision® 是满足制药行业严格的准确性和速度要求的完美工具。
