思路 主要问题 分析原因 对策
阶段1：给出粗略可行方案
1.logo校验 分析种类多，人工效率低 机器视觉，与良品整体图像对比分析相似度
阶段2：试验改进方案，上线可用初始版本 2.同一手机检测结果不稳定 光源受放置位置影响 增加亮度自适应算法，调节光源
3.几类电池盖检测结果不稳定 磨砂工艺不均匀产生大量随机噪点 借鉴美颜，增加图像滤波算法过滤噪点
阶段3：人工优化版本，提高应用普适性 4.生产线紧急异常报错 软件操作要求专业度高，技术人员不会调参 收集数据初始化，减少人工调参
阶段4：机器学习，自动化提升算法 5.设备运行良好，但批量报错 样本字体等细微调整，导致检测结果不一致 排除可能因素找出主要原因，加入学习型缺陷检测策略
收集需求，重复阶段3和4,持续优化 6.各类生产问题
阶段5：标准通用化，制造自动化工具 7.需求多，场景多 一人处理需求效率低 场景分类标准化，构建通用工具，简单需求任务下放
阶段6：汲取团队力量，结合场景从其他角度优化 8.机器“哆嗦” 机械和光学问题 请相关专家解决
阶段7：打造更底层、更通用产品 算法库
核心感悟：
办法总比困难多，不断解决问题
时间就是金钱
结合团队力量
将通用化人工任务标准化，然后实现自动化
不断提高产品普适性和产品底层化
会宣传
原文链接：https://mp.weixin.qq.com/s/AygNbxq75s-Fo4eOcK22GQhttps://mp.weixin.qq.com/s/AygNbxq75s-Fo4eOcK22GQ
网友评论