工业互联网与工业仿真平台可面向工业领域零部件检测，提供数据采集、图像分割、图像增强、数据标注、模型训练与模型部署全流程AI服务，应用在3C电子制造、半导体、食品、药品、纺织、建筑材料、消费品等工业生产质量检测领域，针对工业生产中的装配类缺陷、生产工艺类缺陷，提供了无监督、半监督、强监督完整的模型训练体系。该产品具有高准确率、高精度、高性能、高可靠性与高适应性等特点，并结合AI预测推理，确保最低程度的漏检和最高质量的检出。 拟融资额度。

金晶，女，1980年生，长聘教授，博士生导师。哈尔滨工业大学航天学院控制科学与工程系副主任/教学委员会副主任，哈尔滨工业大学人工智能研究院副院长，中国自动化学会教育工作委员会委员，中国机械工业教育协会自动化专业教学委员会委员，中国石油和化工自动化应用协会理事，黑龙江省自动化学会理事。 主要学历： 1999.9-2003.7 哈尔滨工业大学 控制科学与工程 工学学士 2003.9-2005.9 哈尔滨工业大学 控制科学与工程 工学硕士 2005.9-2008.4 哈尔滨工业大学 控制科学与工程 工学博士 主要工作经历： 2021.7-至今 哈尔滨工业大学人工智能研究院 副院长 2020.3-至今 哈尔滨工业大学 教授 2017.1-至今 哈尔滨工业大学系 副主任/教学委员会副主任 2016.4-至今 哈尔滨工业大学 博士生导师 2012.1-2019.12 哈尔滨工业大学 副教授 2008.5-2011.12 哈尔滨工业大学 讲师 承担科研项目： 主持国家自然科学基金面上项目、黑龙江省“百千万”重大工程项目、航天科技创新基金、航天五院CAST基金、航天八院SAST基金、教育部博士点基金、国家博士后基金、校优秀青年教师培养计划及华为公司等多项横向科研项目。

预处理结束后的数据进入程序算法，程序设计中应用算法共三层结构：第一层，从智能设备经边缘计算处理后的数据进行可视化操作和统计类潜要分析，根据正态准则筛选异常数据和奇点进行报警处理；第二层，清洗后的数据采用支持向量机（SVM）算法划分成线性可分和非线性可分两组数据进行降维，线性可分采用主成分分析法（PCA），非线性可分采用局部线性嵌入法（LLE）；第三层，降维后的数据采用的是卷积神经网络（Convolutional Neural Networks，简称CNN）进行图像识别。  Neural Networks，简称CNN）进行图像识别。

(1)行业领域：计算机视觉广泛应用于工业制造、智能交通、安防监控、医疗影像、无人驾驶、农业等各个行业领域。 (2)市场规模：计算机视觉市场在国内外都呈现出快速增长的趋势。根据市场研究报告，预计未来几年全球计算机视觉市场规模将达到数百亿美元。 技术领域：计算机视觉涉及多个技术领域，包括图像处理、模式识别、机器学习、深度学习等。近年来，深度学习技术在计算机视觉领域取得了突破性进展，成为研究和应用的重要方向。

1.社会效益： （1）创造就业机会：计算机视觉的发展将创造大量的高技能就业机会，促进就业和人才培养。 （2）优化资源利用：计算机视觉通过精细化管理和智能调度，可以减少能源和物资的浪费，实现资源的高效利用，有助于可持续发展。 （3）提高产品质量和安全性：计算机视觉技术可以实现全程可追溯和质量监控，提高产品的质量和安全性，保护消费者权益。 （4）促进产业升级和转型：计算机视觉推动传统产业向数字化、智能化和绿色化方向转型，提升整个产业的竞争力和创新能力。 2.经济效益： （1）提高生产效率和降低成本：计算机视觉的自动化和智能化技术能够提高生产效率，降低生产成本，提升企业的竞争力和盈利能力。 （2）促进创新和技术进步：计算机视觉推动技术创新和研发投入，培育新兴产业和新业态，推动经济增长和产业升级。 （3）加快供应链反应速度：计算机视觉通过供应链的智能化和信息化，实现供应链的高效协同和快速响应能力，提高企业的市场反应速度。 （4）拓展市场和增加销售额：计算机视觉能够实现个性化定制和灵活生产，满足消费者多样化的需求，提升产品附加值，拓展市场份额。 综上所述，计算机视觉带来的社会效益包括创造就业机会、优化资源利用、提高产品质量和安全性，促进产业升级和转型；经济效益则体现在提高生产效率和降低成本、促进创新和技术进步、加快供应链反应速度，拓展市场和增加销售额等方面。这些效益对于推动经济可持续发展和社会进步具有重要意义。