随着人工智能研究的深入和各种硬件设备的不断升级，智能制造领域的转型也在不断推进，在降低成本、提质增效等指标要求下，基于深度学习的机器视觉算法有效解决了人工效率低、成本高，以及传统机器视觉技术通用性与智能性不足的问题。

基于深度学习的机器视觉算法在许多工业场景中都有应用。在产品的缺陷检测中，可以利用目标检测可以快速的定位和识别产品上的缺陷，又可以利用图像分割对一些精密工件上的小目标缺陷实现精准的检测和边缘识别。在产品尺寸测量中，利用3D相机获取目标物的点云信息，通过一定的点云处理，进而精准获得目标物的宽度、高度、体积等尺寸信息。

但传统制造企业中普遍缺少AI相关的从业人员，并且各个企业所采用的设备各不相同，如何让传统制造企业选择合适的算法呢？又如何实现快速、便捷的部署呢？

为此，智东西公开课邀请到创新奇智工业智能部高级技术总监汤寅航博士带来主题为《融合多机器视觉算法的工业质检平台解析与应用》的直播讲解，这也是智东西公开课策划推出的深度学习工业质检合辑第1讲。在本次讲解中，汤寅航博士从机器视觉落地的难点展开，深入分析融合多种机器视觉算法的工业质检平台架构、快速部署关键及其应用案例。

汤寅航博士是法国里昂大学计算机博士，师从计算机教授Liming Chen和数学教授Jean-Marie Morvan，在国际著名期刊及会议发表十余篇学术论文。汤博士具有从技术算法研究、到产品研发，到交付实施的完整项目经验，打造多个机器视觉在工业制造及安全生产领域的应用落地最佳实践，包括研发交付国内首套铁路隧道雷达波质检平台系统、3C电子/食品等离散制造业产品的质检分拣系统、智慧安全工厂/园区项目等。