如今，工業(yè)自動(dòng)化快速發(fā)展，工業(yè)4.0的概念已經(jīng)被提上日程。在產(chǎn)品生產(chǎn)流水線上，對(duì)于產(chǎn)品的質(zhì)量檢測(cè)，許多企業(yè)也逐漸嘗試用機(jī)器視覺(jué)代替人工肉眼進(jìn)行檢測(cè)，但時(shí)代瞬息萬(wàn)變，神經(jīng)網(wǎng)絡(luò)之深度學(xué)習(xí)這項(xiàng)技術(shù)的不斷成熟，為產(chǎn)品外觀檢測(cè)帶來(lái)更多的可能。甚至可以說(shuō)，深度學(xué)習(xí)已經(jīng)徹底改變了機(jī)器視覺(jué)和人工智能這一領(lǐng)域，許多曾經(jīng)看起來(lái)不可能解決的問(wèn)題，深度學(xué)習(xí)都能夠解決。

都說(shuō)，將機(jī)器視覺(jué)和深度學(xué)習(xí)結(jié)合起來(lái)，為企業(yè)在運(yùn)營(yíng)和投資回報(bào)方面提供了強(qiáng)大的手段。那么，深度學(xué)習(xí)如何做到與傳統(tǒng)機(jī)器視覺(jué)的融合來(lái)助力工業(yè)缺陷檢測(cè)呢？

圖片來(lái)源網(wǎng)絡(luò)

雖然傳統(tǒng)的機(jī)器視覺(jué)系統(tǒng)在處理一致且制造精良的部件時(shí)能夠可靠地運(yùn)行，但隨著例外和缺陷庫(kù)的增大，算法也會(huì)變得越來(lái)越有挑戰(zhàn)性。換句話說(shuō)，到了特定的時(shí)候，工廠自動(dòng)化中需要的某些應(yīng)用將無(wú)法再依靠基于規(guī)則的機(jī)器視覺(jué)。

一些傳統(tǒng)的機(jī)器視覺(jué)檢測(cè)，因?yàn)橛性S多不易被機(jī)器識(shí)別的變量，所以編程也比較困難，例如：照明、顏色變化、曲面、或視野。因此，深度學(xué)習(xí)這項(xiàng)技術(shù)在產(chǎn)品外觀缺陷檢測(cè)中便發(fā)揮了極大的效用。

借助深度學(xué)習(xí)，可以在生產(chǎn)線上更加一致、更加可靠、且更加快速地完成這些任務(wù)。

以外觀缺陷檢測(cè)為例，傳統(tǒng)的工業(yè)視覺(jué)需要由專業(yè)的人員對(duì)機(jī)器進(jìn)行大量的調(diào)試，繁復(fù)的調(diào)試工作不僅需要大量的工時(shí)，同時(shí)還需要品管人員進(jìn)行反復(fù)的校核，最終進(jìn)入產(chǎn)線檢測(cè)。而深度學(xué)習(xí)將人類進(jìn)化的智能和基于規(guī)則的傳統(tǒng)機(jī)器視覺(jué)的一致性、可重復(fù)性和可擴(kuò)展性這兩種優(yōu)勢(shì)結(jié)合在一起。

即告訴機(jī)器針對(duì)每個(gè)特定類別的對(duì)象需要查找什么。它為每個(gè)對(duì)象提供了最具描述性和顯著的特征。換句話說(shuō)，神經(jīng)網(wǎng)絡(luò)可以發(fā)現(xiàn)圖像中的潛在模式。

因此，通過(guò)端到端的學(xué)習(xí)，你不再需要手動(dòng)決定使用哪種傳統(tǒng)計(jì)算機(jī)視覺(jué)技術(shù)來(lái)提取特征，機(jī)器可以幫你完成所有的工作。

明測(cè)科技以傳統(tǒng)機(jī)器視覺(jué)+深度學(xué)習(xí)技術(shù)為核心，通過(guò)工業(yè)相機(jī)、光源、鏡頭等設(shè)備采集處理圖像，輔以自研底層算法，打造穩(wěn)定高效的視覺(jué)系統(tǒng)及解決方案，深度服務(wù)于顯示面板、半導(dǎo)體、新能源、生物制藥等高新技術(shù)企業(yè)，幫助企業(yè)優(yōu)化作業(yè)流程，提升生產(chǎn)效率，縮短投資回報(bào)周期，柔性應(yīng)對(duì)生產(chǎn)需求。