中文
隨著2017年AI落地條件的成熟，近幾年在工業場景形成大量AI成功案例，而AI視覺檢測是AI在工業領域目前最核心的應用方向。”看得清”光學方案設計能力與“辨得全”AI算法能力是最重要的兩個要素。
視覺檢測系統是AI工業數據閉環的核心，是菲特為了實現最終大模型全面賦能的第一步，也是戰略切入點，因此菲特在光學與AI的核心技術上持續加大投入，既要在同一行業持續滲透與深挖，也要在不同行業中橫向拓展，讓核心技術可以覆蓋更加廣闊的工業場景。
光學技術
AI技術
軟件交互技術
硬件技術
多角度光學融合技術
利用多角度光學融合技術，從不同角度凸顯缺陷的紋理特征，進一步提升檢測算法精度的同時，也形成了視覺缺陷檢測應用方案的標準化，加速項目落地；
高精度結構光測量技術
自研線結構光測量系統，靈活應用于高精度測量場景，通過優化線結構光系統標定、光平面解算以及系統降噪，實現動態在線級微米級別重復性測量，其重復性精度可達5um ；
全面應用TRT加速技術
菲特全面攻克硬件加速技術，將全部工業專用AI算法模型進行了TRT硬件加速的轉化，實現了近100%的速度提升，達到了業界第一梯隊水準；
內存級高性能算法部署模塊
菲特對AI部署模塊進行了全面升級，從底層優化入手，深入內存級的管理顆粒度，將AI模型的推理以及通信時間縮短至原來的30%； ?
大規模分布式訓練能力
龐大的分布式集群和自主研發的高效分布式訓練管理系統，具備模型快速迭代及大型模型預訓練的能力； ?
嵌入式算法壓縮部署
菲特將TRT加速模型進行進一步量化、蒸餾、剪枝，實現了在基本不損失檢測精度的前提下，在嵌入級GPU模塊上的AI算法部署，將算力硬件成本降低至原來的30% ；??
稀有數據生成技術突破
針對行業痛點，總結并發展了稀有數據擴充的方法論，集成了多種稀有數據擴充技術。現已能夠穩定地生成稀有數據，輔助模型訓練過程。 ?
嵌入式算法壓縮部署
菲特將TRT加速模型進行進一步量化、蒸餾、剪枝，實現了在基本不損失檢測精度的前提下，在嵌入級GPU模塊上的AI算法部署，將算力硬件成本降低至原來的30%；
?
?
3D相機、機械臂的標定技術
在3D點云處理、標定、機械臂控制領域，菲特硬件集成了多種結構光模組，大幅提高了高亮、深黑表里的點云采集；
?
?
光學結構小型化
菲特成功研制了多款小型化的光學檢測儀器，包括手持計數設備以及電極頭檢測設備等，較過去體積縮小近50%，適應場景更加多樣。
?
?
超高速檢測引擎
融合了AI高性能算法模塊的同時，實現了超高速的算法模型調度，其中包括傳統視覺算法、AI圖像算法以及各類融合算法
?
融合了AI高性能算法模塊的同時，實現了超高速的算法模型調度，其中包括傳統視覺算法、AI圖像算法以及各類融合算法
?
B/S與C/S混合架構，質檢場景專用
既能滿足現場設備的高節拍、算力密集的應用需求，也能在云端實現高可用與實時數據收集
?
既能滿足現場設備的高節拍、算力密集的應用需求，也能在云端實現高可用與實時數據收集
?
拖拽式交互引擎
應用于3D導視與標準化人機交互中臺，檢測引擎、任務流引擎、通信引擎模塊化封裝，形成友好的可視化界面，大幅降低人員上手難度，提高了實施與部署的效率
應用于3D導視與標準化人機交互中臺，檢測引擎、任務流引擎、通信引擎模塊化封裝，形成友好的可視化界面，大幅降低人員上手難度，提高了實施與部署的效率
異常檢測算法全面升級
菲特連續發布第三版異常檢測算法，與菲特先進光學成像系統結合后，可達到與傳統監督學習算法同等精度，媲美業界SOTA算法效果；
數據可視化管理與挖掘系統
完善的數據挖掘與管理系統，更敏捷地感知數據維度和數據變化，輔助模型進化迭代；
?
?
光學結構小型化
菲特擁有專業的光學設計團隊以及多年的項目落地經驗，2022年又成功研制了多款小型化的光學檢測儀器，包括手持計數設備以及電極頭檢測設備等，體積縮小近50%，適應場景更加多樣。
3D超動態融合技術
自研3D相機、開發視覺導視平臺，利用超動態融合技術實現高反表面的點云獲取能力，加速3D類項目落地，效率提升至原來的130%；
3D相機、機械臂的標定技術
在3D點云處理、標定、機械臂控制領域，2022年菲特有了眾多突破性進展，在硬件方面集成了多種結構光模組，大幅提高了高亮、深黑表里的點云采集，達到了業界第一梯隊的水準；
高反表面微米級缺陷檢測技術
基于條紋反射原理，針對小口徑內壁及多曲率外壁產品的高反表面，突破低成本、在線式微米級缺陷檢測行業難題；
高性能自研算子
通過對不同行業檢測算法的經驗積累，自研近百種通用性檢測算子，主要圍繞缺陷檢測、圖像合成、3D點云處理、尺寸測量以及算子加速，節約產品交付算法開發時間近30%；
質檢專用混合架構
拖拽式交互引擎
