传统的人工方法检验测试产品表面划痕缺陷，可能会因为工人经验等主观因素，导致检测结果不一致和检测效率难以提升。采用机器视觉的办法能够对产品外观缺陷检验测试，快速且准确地识别划痕，大幅度提高了生产线的效率，提高了产品的生产质量。

　　跑码地Coovally是一个包含完整AI建模流程、AI项目管理及AI系统部署管理的机器视觉平台，可以帮助用户快速批量验证多种机器学习和深度学习模型的性能，极大的降低AI模型工程化应用门槛；可提供“打包自身的A I能力”，给业务人员使用，可实现“授人以渔”。

　　对比于传统检测技术，人工智能深度学习技术能检测更多的瑕疵类型，拥有更高的准确率、鲁棒性和泛化能力，在产线中发现新的瑕疵类型时，能更加快速、低成本的实现模型更新。

　　用户在Coovally官网点击【免费试用】填写基础信息，等待或主动添加Coovally小助手微信，Coovally将针对客户的真实需求进行方案落地。方案的落地过程包括模型建立、补充训练、集成落地、持续优化等几个阶段。

　　模型建立：用户更好的提供产品现有瑕疵样例图片，通过Coovally训练建立专属的模型；

　　键盘外观检测：在制造和组装键盘流水线中，自动识别键盘组装后的合格性，包括缺件、错装、正常三类。

　　木地板外观检测：在生产线上自动检验测试木地板的外观瑕疵，包括毛面、棘爪、腐朽、虫眼等瑕疵。

　　纺织品针检检测：在鞋、帽、箱包等纺织品产品做检针的过程中，对X光拍照结果进行自动识别，检测断针、金属小物件等异物。

　　塑料瓶检测：对医药、食品、日化等各类包装塑料瓶在生产线上进行自动检验测试，包括污点、划痕、裂缝、标签错位和歪斜等外观缺陷。

　　可以与企业现有产线集成，实现对最终产成品、中间过程产品、原材料等环节的质量自动检验测试，取代现有人工质检操作，打通全产线自动化流程，提升质检和生产效率。